YOLOvME: упрощаем обнаружение сахарного горошка
Узнай, как Такаюки Нукуи применяет YOLOv5 и ИИ для эффективного сбора сахарного горошка, объединяя машинное обучение с традиционным сельским хозяйством.
Такаяки Нукуи — специалист по анализу данных материалов из Токио, Япония. Можно подумать, что машинное обучение и материаловедение — маловероятное сочетание, но Такаяки обнаружил, что многие решения на основе машинного обучения можно применять в его работе.
Однако настоящая причина, по которой Такаяки занялся машинным обучением, никак не связана с его нынешней должностью. В детстве отец Такаяки был фермером. Ему часто приходилось помогать отцу собирать сахарный горошек — это был очень трудоёмкий процесс.
Человеческому глазу бывает трудно заметить весь сахарный горошек на растении, поскольку он отлично маскируется среди листьев. Во время сбора урожая Такаяки снова и снова ходил туда-сюда по полям отца, чтобы убедиться, что собрал каждый последний созревший стручок сахарного горошка. Этот изнурительный процесс заставил Такаяки задуматься о том, как изучаемый им в то время искусственный интеллект для компьютерного зрения мог бы упростить сбор сахарного горошка.
Мы обнаружили приложение Такаяки для обнаружения сахарного горошка в Twitter и поговорили с ним, чтобы узнать больше о его работе с Ultralytics YOLOv5.
Почему ты выбрал Ultralytics YOLOv5 для решения задачи обнаружения сахарного горошка?#
Сначала Такаяки попробовал различные модели обнаружения объектов — от YOLOv3 до SSD и EfficientDet. Однако год назад Такаяки попробовал YOLOv5 и продолжил работать с ним по сей день, поскольку эта модель обеспечила наилучшую точность.
Какие особенности Ultralytics YOLOv5 сделали работу с ним простой?#
Для Такаяки наличие заранее разработанных механизмов повышения точности моделей, таких как аугментация данных и эволюция параметров, упрощает работу с Ultralytics YOLOv5. Обычно для этого потребовалась бы громоздкая программа, но YOLOv5 можно реализовать, добавив небольшой фрагмент кода. «Я был рад, что смог использовать сэкономленное время для анализа результатов и настройки модели. Конечно, я также потратил время на разметку!»
Какие ещё задачи ты хотел бы решить с помощью Ultralytics YOLOv5 в будущем?#
Такаяки не ограничивает себя в выборе: «Я хочу попробовать использовать её для других сельскохозяйственных культур. И не только это — я хочу продолжать пробовать всё, что приходит в голову. Думаю, я могу узнать больше, пытаясь обнаруживать объекты».
Какой совет ты дал бы человеку, который только начинает знакомиться с искусственным интеллектом?#
«Прежде всего я рекомендую Ultralytics YOLOv5 тем, кому обнаружение объектов кажется сложным и кто не решается начать работать с искусственным интеллектом для компьютерного зрения. На мой взгляд, YOLOv5 — самая доступная для внедрения модель обнаружения объектов.
Кроме того, я советую попробовать использовать её с небольшим объёмом обучающих данных. Аугментация данных уже предусмотрена, и зачастую она позволяет получить удивительно интересные модели».
Такаяки Нукуи совмещает инженерную работу с выращиванием овощей на своей небольшой ферме. На его сайте FarML он публикует статьи о машинном обучении. Ознакомься с его подробной статьёй об обнаружении сахарного горошка. Такаяки также часто публикует примеры использования в своём Twitter и на YouTube.
Мы также хотим рассказать о твоём варианте использования YOLOv5! Отметь нас в социальных сетях @Ultralytics с хэштегом #YOLOvME, чтобы получить шанс попасть в нашу публикацию.
