YOLOvME: Bezelye Tespitini Kolaylaştırmak
Takayuki Nukui'nin verimli bezelye hasadı için YOLOv5 yapay zekasını nasıl uyguladığını keşfet—makine öğrenimini geleneksel tarımla harmanlıyor.
Takayuki Nukui, Tokyo, Japonya'dan bir Malzeme Veri Bilimcisi. ML ve malzeme biliminin pek olası bir ikili olmadığını düşünebilirsin, ancak Takayuki pek çok ML çözümünün kendi iş kolunda uygulanabileceğini fark etti.
Ancak Takayuki'nin ML'e başlamasının gerçek nedeninin mevcut rolüyle hiçbir ilgisi yok. Çocukluğu boyunca Takayuki'nin babası çiftçiydi. Sıklıkla, babasına çok zahmetli bir süreç olan bezelye hasadında yardım etmesi gerekirdi.
İnsan gözü için, bitki üzerindeki tüm bezelyeleri tespit etmek zor olabilir çünkü yaprakların arasında çok iyi kamufle olurlar. Hasat mevsimi boyunca Takayuki, olgunlaşmış her son bezelyeyi topladığından emin olmak için babasının tarlalarında defalarca gidip gelmek zorunda kalırdı. Bu zorlu süreç, Takayuki'nin o dönemde üzerinde çalıştığı görme tabanlı yapay zekanın bezelye hasadını basitleştirmeye nasıl yardımcı olabileceğini hayal etmesini sağladı.
Takayuki'nin bezelye tespit uygulamasını Twitter üzerinde keşfettik ve YOLOv5 ile yaptığı çalışmalar hakkında daha fazla bilgi edinmek için onunla konuştuk.
Link to this sectionBezelye tespiti sorununu çözmenize yardımcı olması için YOLOv5'i nasıl seçtiniz?#
Başlangıçta Takayuki, YOLOv3'ten SSD ve EfficientDet'e kadar çeşitli nesne tespit modellerini denedi. Ancak bir yıl önce Takayuki YOLOv5'i denedi ve en iyi doğruluğu sağladığı için günümüze kadar onunla çalışmaya devam etti.
Link to this sectionYOLOv5'in hangi yönleri onunla çalışmayı kolaylaştırdı?#
Takayuki için veri artırma ve parametre evrimi gibi model doğruluğunu iyileştirmeye yönelik önceden tasarlanmış mekanizmalar, YOLOv5'i kolaylaştırıyor. Normalde bu durum zahmetli bir program gerektirecekken, YOLOv5 basit bir kod eklenerek uygulanabiliyor. “Sonuçları analiz edebildiğim ve yaratılan sürede modeli ayarlayabildiğim için mutluydum. Elbette, etiketlemeler için de zaman harcadım!”
Link to this sectionGelecekte YOLOv5 ile başka hangi zorlukları çözmek istersin?#
Takayuki seçeneklerini açık tutuyor: “Bunu çiftlikteki diğer mahsullerle denemek istiyorum. Sadece bu da değil, aklıma gelen her şeyle denemeye devam etmek istiyorum. Nesneleri tespit etmeye çalışarak keşfedebileceğim daha çok şey olduğunu düşünüyorum.”
Link to this sectionYapay zeka dünyasına yeni giren birine ne tavsiye edersin?#
“Öncelikle, nesne tespitinin zor göründüğünü düşünenlere ve görme tabanlı yapay zeka ile başlamaktan çekinenlere YOLOv5'i öneririm. Benim görüşüme göre YOLOv5, uygulanması en erişilebilir nesne tespit modelidir.”
Ayrıca, daha az miktarda eğitim verisiyle kullanmayı denemeni öneririm. Veri Artırma önceden tasarlanmıştır ve genellikle şaşırtıcı derecede ilginç modeller üretir.”
Takayuki Nukui, hayatını mühendislik ile küçük çiftliğinde sebze yetiştirmek arasında dengeliyor. ML üzerine makaleler yayınladığı web sitesi FarML. Bezelye tespiti üzerine yazdığı detaylı makalesine göz atabilirsin. Takayuki ayrıca kullanım durumlarını sık sık Twitter ve YouTube kanallarında paylaşıyor.
Senin YOLOv5 kullanım örneğine de yer vermek istiyoruz! Öne çıkarılma şansı yakalamak için bizi sosyal medyada @Ultralytics etiketleyerek #YOLOvME ile paylaş.
