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 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 по сей день, поскольку она обеспечивает наилучшую точность.

С какими аспектами YOLOv5 было легко работать?

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 detect объекты".

Какой совет вы бы дали новичку 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 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 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.

‍