Nghiên cứu điển hình: DeepPlastic và YOLOv5
Khám phá cách Ultralytics đang giải quyết vấn đề ô nhiễm nhựa đại dương bằng cách sử dụng AUVs và YOLOv5 để phát hiện và dọn dẹp dưới nước hiệu quả.
Nhựa đang làm ngạt thở động vật hoang dã dưới biển: mỗi phút, hai xe tải chở rác nhựa bị đổ xuống đại dương của chúng ta, tương đương với hơn 10 triệu tấn mỗi năm. Các nhà khoa học tại DeepPlastic khẳng định rằng lượng nhựa biển này gây ra các mối đe dọa xã hội đối với "môi trường biển, an toàn thực phẩm, sức khỏe con người, du lịch sinh thái và những đóng góp cho biến đổi khí hậu."
Để chống lại điều này, nhóm các nhà nghiên cứu và kỹ sư này đã và đang tìm hiểu cách thị giác máy tính có thể loại bỏ rác thải nhựa trong đại dương của chúng ta.
Với công nghệ deep learning, các nhà nghiên cứu DeepPlastic đã phát triển một phương pháp sử dụng các phương tiện tự hành dưới nước (AUVs) để quét, nhận diện và định lượng rác thải nhựa nằm ngay dưới bề mặt đại dương nơi ánh sáng vẫn có thể xuyên qua, hay còn gọi là tầng Epipelagic.
“Mục tiêu của chúng tôi là có một model cực nhỏ với tốc độ inference rất nhanh để có thể sử dụng cho việc phát hiện rác thải nhựa.” Jay Lowe, Nhà nghiên cứu Machine Learning
Nhóm DeepPlastic đã huấn luyện hai model nhỏ và chính xác, YOLOv4 và YOLOv5, cho phép thực hiện object detection theo thời gian thực. Các model này đã được huấn luyện trên tập dữ liệu DeepTrash, bao gồm:
- 1900 ảnh huấn luyện, 637 ảnh kiểm tra, 637 ảnh validation (chia theo tỷ lệ 60, 20, 20)
- Ảnh thực địa được chụp từ Hồ Tahoe, Vịnh San Francisco và Vịnh Bodega ở CA.
- Ảnh từ Internet
“Chúng tôi đã tìm kiếm một thuật toán object detection mang lại độ chính xác cao và cực kỳ nhanh. Các môi trường đại dương mà chúng tôi làm việc là những địa hình khắc nghiệt và gồ ghề. YOLOv5 đã đáp ứng mọi mặt như là model object detection tốt nhất mà chúng tôi có thể sử dụng.” “Chúng tôi rất thích sử dụng YOLOv5 vì nó rất dễ thiết lập và sử dụng, đồng thời nó liên tục mang lại những kết quả mà chúng tôi mong muốn.” “Đối với bất kỳ model nào chúng tôi sẽ triển khai trong tương lai, chúng tôi chắc chắn sẽ coi YOLOv5 là lựa chọn ưu tiên hàng đầu.” Gautam Tata, Nhà nghiên cứu Machine Learning
Xem qua kho lưu trữ DeepPlastic, bài báo đã xuất bản và video tóm tắt.
