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 suy kiệt đời sống hoang dã dưới nước: mỗi phút, hai xe tải đầy nhựa bị đổ xuống đại dương của chúng ta, tương đương với hơn 10 triệu tấn mỗi năm. Các nhà khoa học của DeepPlastic cho biết lượng nhựa đại dương này đặt 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 tác động đến 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 siêu nhỏ với tốc độ inference cực nhanh có thể dùng để phát hiện nhựa.” Jay Lowe, Nghiên cứu viên Machine Learning
Nhóm DeepPlastic đã huấn luyện hai model nhỏ gọn và chính xác là YOLOv4 và YOLOv5, cho phép thực hiện object detection thời gian thực. Các model này được huấn luyện trên dataset 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 phát hiện đối tượng mang lại độ chính xác cao và cực kỳ nhanh chóng. Môi trường đại dương mà chúng tôi làm việc là những địa hình khắc nghiệt, hiểm trở. Ultralytics YOLOv5 đã đáp ứng trọn vẹn trên mọi phương diện với tư cách là model phát hiện đối tượng 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 luôn mang lại những kết quả mà chúng tôi mong muốn một cách nhất quán.” “Đối với bất kỳ model nào trong tương lai mà chúng tôi sẽ triển khai, chúng tôi sẽ coi YOLOv5 là sự lựa chọn hàng đầu mà không phải đắn đo suy nghĩ.” Gautam Tata, Nghiên cứu viên Machine Learning
Hãy xem repository DeepPlastic, bài báo đã xuất bản và video tổng kết.
