YOLOvME: Легкое обнаружение гороха

Такаюки Нукуи - специалист по данным о материалах из Токио, Япония. Вы можете подумать, что ML и материаловедение - маловероятная пара, но Такаюки обнаружил, что многие решения ML могут быть применены в его работе.

Однако настоящая причина, по которой Такаюки попал в ML, не имеет ничего общего с его нынешней ролью. В детстве отец Такаюки был фермером. Часто ему приходилось помогать отцу собирать урожай гороха - очень трудоемкий процесс.

Человеческому глазу трудно заметить все горошины на растении, поскольку они очень хорошо маскируются среди листьев. В сезон сбора урожая Такаюки приходилось раз за разом бегать туда-сюда по отцовским полям, чтобы убедиться, что он собрал все до последней спелой горошины. Этот нелегкий процесс заставил Такаюки задуматься о том, как ИИ зрения, который он изучал в то время, мог бы упростить сбор гороха.

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

Как вы выбрали YOLOv5 для решения проблемы обнаружения гороха?

Вначале Такаюки пробовал различные модели обнаружения объектов - от YOLOv3 до SSD и EfficientDet. Однако год назад Такаюки попробовал YOLOv5 и в итоге работает с ней до сих пор, поскольку она обеспечивает наилучшую точность.

Какие аспекты работы с YOLOv5 облегчили вам работу?

Для Такаюки YOLOv5 облегчают заранее разработанные механизмы повышения точности модели, такие как увеличение данных и эволюция параметров. Хотя обычно для этого требуется громоздкая программа, YOLOv5 можно реализовать, добавив простой код. "Я был рад, что смог проанализировать результаты и настроить модель за отведенное время. Конечно, я также потратил время на аннотации!"

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

Такаюки не оставляет выбора: "Я хочу попробовать это с другими культурами на ферме. И не только это, но я хочу продолжать пробовать со всем, что только придет в голову. Думаю, я смогу узнать еще много интересного, пытаясь обнаружить объекты".

Что бы вы посоветовали новичкам в мире ИИ?

"Прежде всего, я бы порекомендовал YOLOv5 тем, кто думает, что обнаружение объектов выглядит сложным, и боится начинать работу с искусственным интеллектом зрения. На мой взгляд, YOLOv5 - самая доступная для реализации модель обнаружения объектов.

Кроме того, я бы посоветовал попробовать использовать его с меньшим количеством обучающих данных. Data Augmentation - это предварительно разработанная модель, и она часто дает удивительно интересные модели".

Такаюки Нукуи балансирует между инженерной деятельностью и выращиванием овощей на своей небольшой ферме. Его веб-сайт FarMLгде он публикует статьи по ML. Ознакомьтесь с его подробная статья об обнаружении гороха. Такаюки также часто публикует свои примеры использования в своем Twitter и Youtube.

Мы хотим рассказать о вашем примере использования YOLOv5! Отметьте нас в социальных сетях @Ultralytics с пометкой #YOLOvME, чтобы получить шанс попасть в тему.

Узнайте, как YOLOv5 и искусственный интеллект обеспечивают решения для сельскохозяйственной отрасли.

‍