Практический пример: DeepPlastic и YOLOv5
Узнай, как Ultralytics борется с загрязнением океана пластиком с помощью AUV и YOLOv5 для эффективного обнаружения и очистки под водой.
Пластик душит морскую фауну: каждую минуту два грузовика пластика сбрасывают в наши океаны — это более 10 миллионов тонн в год. Учёные DeepPlastic заявляют, что этот морской пластик создаёт угрозы для общества, затрагивая «морскую среду, безопасность пищевых продуктов, здоровье человека, экотуризм и вклад в изменение климата».
Чтобы противостоять этой проблеме, команда исследователей и инженеров изучает, как компьютерное зрение может устранить пластик из наших океанов.
Используя технологии глубокого обучения, исследователи DeepPlastic разработали подход, в котором автономные подводные аппараты (AUVs) сканируют, обнаруживают и количественно оценивают пластик, находящийся непосредственно под поверхностью океана, куда всё ещё проникает свет, — в эпипелагическом слое.
«Наша цель заключалась в создании очень компактной модели с очень высокой скоростью инференса, которую можно использовать для обнаружения пластика» Jay Lowe, исследователь машинного обучения
Команда DeepPlastic обучила две компактные и точные модели — YOLOv4 и YOLOv5, обеспечив обнаружение объектов в реальном времени. Эти модели обучались на датасете DeepTrash, который включал:
- 1900 изображений для обучения, 637 тестовых изображений и 637 валидационных изображений (разбиение 60, 20, 20)
- Полевые изображения, снятые на озере Тахо, в заливе Сан-Франциско и заливе Бодега в Калифорнии.
- Изображения из интернета
«Мы искали алгоритм обнаружения объектов, который обеспечивал бы высокую точность и работал чрезвычайно быстро. Океаническая среда, в которой мы работаем, сурова, а рельеф сложен. Ultralytics YOLOv5 показала лучшие результаты по всем параметрам и стала лучшей моделью обнаружения объектов, которую мы могли использовать». «Нам нравится использовать YOLOv5, потому что её очень легко настроить и применять, а результаты стабильно соответствуют нашим ожиданиям». «Для любых будущих моделей, которые мы будем развёртывать, YOLOv5, без тени сомнения, станет нашим первым выбором». Gautam Tata, исследователь машинного обучения
Посмотри репозиторий DeepPlastic, опубликованную статью и видеорезюме.
