Узнай, как Такаюки Нукуи применяет искусственный интеллект YOLOv5 для эффективного сбора урожая гороха, сочетая машинное обучение с традиционным земледелием.
.webp)
Такаюки Нукуи - специалист по данным о материалах из Токио, Япония. Ты можешь подумать, что ML и материаловедение - маловероятная пара, но Такаюки обнаружил, что многие решения ML можно применить 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 бывает сложно заметить все горошины на растении, так как они очень хорошо маскируются среди листьев. В сезон сбора урожая Такаюки приходилось раз за разом бегать туда-сюда по отцовским полям, чтобы быть уверенным, что он собрал все до последней спелой горошины. Этот тяжелый процесс заставил Такаюки задуматься о том, как ИИ зрения, который он изучал в то время, может помочь 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.
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 по сей день, так как она обеспечивает наилучшую точность.
Для Такаюки заранее разработанные механизмы повышения точности модели, такие как увеличение данных и эволюция параметров, делают YOLOv5 простым. Хотя обычно для этого требуется громоздкая программа, YOLOv5 можно реализовать, добавив простой код. "Я был счастлив, что смог проанализировать результаты и настроить модель за созданное время. Конечно, я также потратил время на аннотации!"
Такаюки держит свои возможности открытыми: "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, есть еще много вещей, которые я смогу узнать, пытаясь обнаружить предметы".
"Прежде всего, я бы порекомендовал YOLOv5 тем, кто считает, что обнаружение объектов выглядит сложным, и боится начинать работу с ИИ 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 заранее продумана, и из нее часто получаются удивительно интересные модели."
Такаюки Нукуи балансирует в своей жизни между инженерной деятельностью и выращиванием овощей на своей небольшой ферме. Его сайт - это FarMLгде он публикует статьи по ML. Ознакомься с его подробную статью о распознавании гороха. Такаюки также часто публикует свои примеры использования в своем Twitter и Youtube ..
Мы хотим осветить и твой пример использования YOLOv5 ! Отметь нас в социальных сетях @Ultralytics словами #YOLOvME, чтобы получить шанс попасть в тему.
Начни свое путешествие с будущим машинного обучения
