YOLOvME: упрощение обнаружения сахарного горошка

Такаюки Нукуи — специалист по данным о материалах из Токио, Япония. Может показаться, что машинное обучение и материаловедение — не самая очевидная пара, но Такаюки обнаружил, что многие решения машинного обучения могут быть применены в его работе.

Однако, настоящая причина, по которой Такаюки занялся машинным обучением, не имеет ничего общего с его нынешней ролью. В детстве отец Такаюки был фермером. Ему часто приходилось помогать отцу собирать стручковый горох – очень трудоемкий процесс.

Человеческому глазу может быть сложно заметить все стручки гороха на растении, поскольку они отлично маскируются среди листьев. В сезон сбора урожая Такаюки приходилось снова и снова обходить поля своего отца, чтобы убедиться, что он собрал каждый спелый стручок. Этот трудоемкий процесс заставил Такаюки задуматься о том, как системы технического зрения, которые он изучал в то время, могли бы упростить сбор гороха.

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

Почему вы выбрали YOLOv5 для решения задачи обнаружения стручков гороха?

В начале Такаюки пробовал различные модели обнаружения объектов, от YOLOv3 до SSD и EfficientDet. Однако год назад Такаюки попробовал YOLOv5 и в итоге работал с ней до настоящего времени, поскольку она обеспечивала наилучшую точность.

Какие аспекты YOLOv5 облегчили вам работу?

По мнению Такаюки, предварительно разработанные механизмы для повышения точности моделей, такие как аугментация данных и эволюция параметров, упрощают использование YOLOv5. Обычно для этого требуется громоздкая программа, но YOLOv5 можно реализовать, добавив простой код. “Я был рад возможности анализировать результаты и настраивать модель в освободившееся время. Конечно, я также потратил время на аннотации!”

Какие еще задачи вы хотели бы решить с помощью YOLOv5 в будущем?

Такаюки рассматривает разные варианты: “Я хочу попробовать это с другими культурами на ферме. И не только, я хочу продолжать пробовать все, что придет в голову. Я думаю, что смогу узнать больше, пытаясь обнаруживать объекты.”

Какой совет вы бы дали новичку в мире ИИ?

“Прежде всего, я бы порекомендовал YOLOv5 тем, кто считает, что обнаружение объектов — это сложно, и опасается начинать с визуального ИИ. На мой взгляд, YOLOv5 — это наиболее доступная для реализации модель обнаружения объектов.”

Кроме того, я бы предложил попробовать использовать его с меньшим объемом обучающих данных. Аугментация данных предварительно разработана и часто создает удивительно интересные модели.

Такаюки Нукуи совмещает инженерное дело и выращивание овощей на своей небольшой ферме. Его веб-сайт FarML, где он публикует статьи о машинном обучении. Ознакомьтесь с его подробной статьей об обнаружении сахарного горошка. Takayuki также часто публикует свои варианты использования в своих Twitter и Youtube.

Мы также хотим рассказать о вашем варианте использования YOLOv5! Отмечайте нас в социальных сетях @Ultralytics с хэштегом #YOLOvME, чтобы получить шанс быть представленным.

Узнайте, как YOLOv5 и vision AI предоставляют решения для сельскохозяйственной отрасли.

‍