YOLOvME: простое обнаружение сахарного гороха

Takayuki Nukui — специалист по данным в области материаловедения из Токио, Япония. Может показаться, что машинное обучение и материаловедение — необычное сочетание, но Takayuki обнаружил, что многие решения на основе машинного обучения можно применять в его работе.

Однако настоящая причина, по которой Takayuki занялся машинным обучением, никак не связана с его нынешней работой. В детстве его отец был фермером. Takayuki часто приходилось помогать отцу собирать сахарный горошек — это был очень тяжёлый труд.

Человеку бывает сложно заметить весь сахарный горошек на растении: стручки отлично маскируются среди листьев. Во время сбора урожая Takayuki снова и снова пересекал поля отца, чтобы убедиться, что собрал каждый спелый стручок сахарного горошка. Эта изнурительная работа заставила Takayuki задуматься, как изучаемый им тогда ИИ для компьютерного зрения мог бы упростить сбор урожая сахарного горошка.

Мы наткнулись на приложение Takayuki для обнаружения сахарного горошка в Twitter и поговорили с ним, чтобы больше узнать о его работе с Ultralytics YOLOv5.

Как ты выбрал Ultralytics YOLOv5 для решения задачи обнаружения сахарного горошка?#

Сначала Takayuki пробовал разные модели детекции объектов: от YOLOv3 до SSD и EfficientDet. Однако год назад Takayuki попробовал YOLOv5 и продолжает работать с ним по сей день, поскольку эта модель обеспечила наилучшую точность.

Какие особенности Ultralytics YOLOv5 упростили работу с моделью?#

Для Такаюки простота использования Ultralytics YOLOv5 объясняется наличием заранее разработанных механизмов повышения точности модели, таких как аугментация данных и эволюция гиперпараметров. Обычно для этого потребовалась бы громоздкая программа, но YOLOv5 позволяет справиться всего несколькими строками кода. «Я был рад, что смог проанализировать результаты и настроить модель за освободившееся время. Конечно, я также потратил время на разметку!»

Какие ещё задачи ты хотел бы решить с помощью Ultralytics YOLOv5 в будущем?#

Takayuki не ограничивает себя в выборе: «Хочу попробовать модель на других сельскохозяйственных культурах. И не только на них — хочу экспериментировать со всем, что придёт в голову. Думаю, можно многое узнать, пробуя обнаруживать разные объекты».

Какой совет ты бы дал тому, кто только начинает знакомиться с ИИ?#

«Прежде всего я бы рекомендовал Ultralytics YOLOv5 тем, кому детекция объектов кажется сложной и кто боится начинать работать с ИИ для компьютерного зрения. На мой взгляд, YOLOv5 — самая доступная модель детекции объектов для внедрения.

Кроме того, я бы посоветовал попробовать её на небольшом объёме обучающих данных. Аугментация данных уже предусмотрена, и она часто позволяет получить удивительно интересные модели».

Takayuki Nukui совмещает инженерную работу с выращиванием овощей на своей небольшой ферме. На его сайте FarML он публикует статьи о машинном обучении. Почитай его подробную статью об обнаружении сахарного горошка. Takayuki также часто публикует примеры использования на своей странице в Twitter и на YouTube.

Мы хотим рассказать и о твоём сценарии использования YOLOv5! Отметь нас в соцсетях @Ultralytics с хештегом #YOLOvME — и, возможно, мы расскажем о тебе.

Узнай, как Ultralytics YOLOv5 и Vision AI помогают решать задачи сельского хозяйства.