Cách train các model Ultralytics YOLO để phát hiện động vật trong tự nhiên

Động vật hoang dã trên hành tinh của chúng ta vô cùng đa dạng, từ những chú ong vo ve đến những con voi cao lớn, và việc bảo tồn đa dạng sinh học này đóng vai trò then chốt trong duy trì một hệ sinh thái cân bằng. Tuy nhiên, các nỗ lực bảo tồn ngày càng trở nên khó khăn hơn do mất môi trường sống, săn trộm và biến đổi khí hậu. Tất cả những yếu tố này đều tác động tiêu cực đến quần thể động vật hoang dã.

Các phương pháp giám sát động vật truyền thống, như phân tích thủ công hình ảnh từ camera bẫy và tiến hành khảo sát thực địa, có thể chậm và cần nhiều nguồn lực. Những nỗ lực này thường không thể bao phủ hiệu quả các khu vực rộng lớn và quần thể đông đúc.

Để khắc phục những hạn chế này, trí tuệ nhân tạo (AI) có thể được sử dụng như một công cụ hữu hiệu trong bảo tồn động vật hoang dã. Cụ thể, các model computer vision như Ultralytics YOLO11 có thể phân tích dữ liệu trực quan như hình ảnh và video để tự động hóa việc nhận diện và theo dõi động vật theo thời gian thực.

Các tác vụ computer vision như phát hiện đối tượng và phân đoạn instance, được hỗ trợ bởi Ultralytics YOLO11, rất hữu ích trong trường hợp này. Bằng cách phân tích dữ liệu trực quan, các tác vụ này giúp chúng ta thu thập dữ liệu quan trọng, xác định các quy luật sinh thái và phản ứng hiệu quả hơn trước các mối đe dọa môi trường.

Trong bài viết này, chúng ta sẽ đi qua quy trình huấn luyện Ultralytics YOLO11 để phát hiện động vật. Hãy bắt đầu!

Bắt đầu với Ultralytics YOLO11#

Trước khi đi sâu vào hướng dẫn, hãy cùng xem qua các tùy chọn thiết lập và công cụ khác nhau cần có để huấn luyện và sử dụng Ultralytics YOLO11.

Công cụ chính bạn cần là gói Python Ultralytics, giúp dễ dàng làm việc với các model YOLO cho những tác vụ như huấn luyện, phát hiện đối tượng và chạy inference. Để sử dụng gói Ultralytics, bạn cần thiết lập một môi trường để chạy code, và có nhiều tùy chọn khác nhau để lựa chọn.

Dưới đây là một số tùy chọn phổ biến nhất để thiết lập môi trường phát triển:

• Giao diện dòng lệnh (CLI): CLI, còn được gọi là terminal, là công cụ dựa trên văn bản cho phép bạn tương tác với máy tính bằng cách nhập các lệnh. Khác với giao diện đồ họa (GUI), nơi bạn nhấp vào các nút và sử dụng chuột, CLI yêu cầu bạn nhập các chỉ dẫn bằng văn bản để chạy chương trình hoặc thực thi tác vụ.
• Jupyter Notebooks: Các notebook này cho phép bạn viết và chạy code theo từng phần nhỏ gọi là cell. Đây là môi trường tương tác, nghĩa là bạn có thể xem ngay đầu ra của code, giúp việc kiểm thử và debug trở nên dễ dàng hơn.
• Google Colab: Google Colab là nền tảng dựa trên cloud hoạt động tương tự Jupyter Notebooks nhưng cung cấp quyền truy cập miễn phí vào các GPU mạnh. Nền tảng này dễ thiết lập và bạn không cần cài đặt bất kỳ thứ gì trên máy tính.

Mặc dù bạn có thể khám phá các tùy chọn khác để thiết lập môi trường trong tài liệu Ultralytics chính thức, ba tùy chọn nêu trên cần rất ít công đoạn thiết lập và dễ sử dụng, nên rất phù hợp để bắt đầu nhanh chóng.

Trong hướng dẫn này, chúng tôi sẽ trình bày cách thiết lập và huấn luyện Ultralytics YOLO11 bằng Google Colab, Jupyter Notebooks hoặc một file Python đơn giản, vì các bước thực hiện trong những môi trường này rất tương tự nhau.

Tìm hiểu Dataset Động vật hoang dã châu Phi#

Sau khi chọn môi trường phát triển, để huấn luyện Ultralytics YOLO11 phát hiện riêng động vật hoang dã, chúng ta cần một dataset hình ảnh chất lượng cao có gán nhãn. Mỗi hình ảnh cần thể hiện rõ vị trí và loài của động vật, để model có thể học cách nhận diện chúng thông qua học có giám sát.

Trong hướng dẫn này, chúng ta sẽ sử dụng African Wildlife Dataset. Dataset này được gói Python Ultralytics hỗ trợ và được thiết kế riêng để phát hiện các loài động vật thường xuất hiện trong hệ sinh thái châu Phi. Dataset chứa hình ảnh đã được chú thích của bốn loài chính: trâu, voi, tê giác và ngựa vằn.

Hình 1. Một góc nhìn về African Wildlife Dataset.

Dưới đây là một số đặc điểm chính của African Wildlife Dataset:

• Quy mô: Dataset gồm 1504 hình ảnh được chia thành ba tập con: 1052 hình ảnh dùng để huấn luyện, 225 hình ảnh để validation và 227 hình ảnh để testing. Việc phân chia này đảm bảo model học hiệu quả và được đánh giá toàn diện.
• Tích hợp liền mạch: Ultralytics cung cấp file cấu hình YAML xác định các đường dẫn dataset, class và những thông tin khác, giúp dễ dàng sử dụng khi huấn luyện các model YOLO.
• Giấy phép mở: Dataset này được phân phối theo giấy phép AGPL-3.0, khuyến khích tính minh bạch và sự hợp tác.

Huấn luyện Ultralytics YOLO11 để phát hiện động vật#

Sau khi tìm hiểu African Wildlife Dataset, chúng ta có thể bắt đầu huấn luyện một model Ultralytics YOLO11 để phát hiện động vật trong hình ảnh. Quy trình gồm thiết lập môi trường phát triển, huấn luyện model YOLO11 và đánh giá hiệu năng của model.

Bước 1: Thiết lập môi trường#

Để bắt đầu, chúng ta sẽ chuẩn bị một môi trường để huấn luyện và kiểm thử model. Bạn có thể sử dụng Google Colab, Jupyter Notebooks hoặc một file Python đơn giản tùy theo sở thích. Hãy tạo một notebook Google Colab mới, Jupyter Notebook mới hoặc file Python tương ứng.

Nếu sử dụng Google Colab, môi trường này mặc định chạy trên CPU (Bộ xử lý trung tâm), điều này có thể làm chậm quá trình huấn luyện. Để tăng tốc, đặc biệt với các model lớn hơn, bạn có thể chuyển runtime sang sử dụng GPU. Trong Google Colab, hãy mở tab "Runtime" trong menu, chọn "Change runtime type" và đặt bộ tăng tốc phần cứng thành GPU (ưu tiên GPU T4). Đây là bước quan trọng để giảm thời gian huấn luyện.

Tiếp theo, bất kể bạn đang sử dụng môi trường nào, bạn cần cài đặt gói Python Ultralytics. Nếu sử dụng môi trường dựa trên notebook (Google Colab hoặc Jupyter), hãy chạy lệnh sau với dấu chấm than (!) ở đầu.

pip install ultralytics

Bước 2: Tải Ultralytics YOLO11 và chuẩn bị dataset#

Sau khi cài đặt gói Ultralytics, bước tiếp theo là tải model YOLO11 và chuẩn bị dataset để huấn luyện. Trước tiên, chúng ta tải model YOLO11, vốn đã được pre-trained trên các tác vụ phát hiện đối tượng tổng quát. Model pre-trained này cung cấp một điểm khởi đầu tốt vì nó đã học cách phát hiện nhiều đối tượng khác nhau.

Sau đó, chúng ta chỉ định dataset bằng file YAML chứa thông tin về hình ảnh và nhãn. File này cho model biết nơi tìm dataset và những đối tượng cần học cách nhận diện.

African Wildlife Dataset được gói Ultralytics hỗ trợ, vì vậy dataset sẽ tự động được tải xuống khi bạn bắt đầu huấn luyện, giúp bạn không phải thiết lập thủ công.

Khi dataset đã sẵn sàng, model bắt đầu huấn luyện. Model sẽ đi qua dataset nhiều lần, một quy trình được gọi là huấn luyện qua nhiều epoch, để cải thiện khả năng nhận diện động vật trong hình ảnh. Trong quá trình này, hình ảnh sẽ được resize về cùng một kích thước để xử lý, và model sẽ làm việc với một số lượng hình ảnh cố định mỗi lần, gọi là batch. Điều này giúp model học hiệu quả hơn.

Tóm lại, model được tải, dataset được tự động tải xuống và quá trình huấn luyện bắt đầu để phát hiện động vật dựa trên African Wildlife Dataset khi đoạn code dưới đây được chạy.

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.train(data="african-wildlife.yaml", epochs=30, batch=8)

Bước 3: Hướng dẫn quy trình huấn luyện Ultralytics YOLO11#

Sau khi chạy đoạn code ở trên, model bắt đầu huấn luyện dựa trên các thiết lập chúng ta đã cung cấp. Thông qua code, chúng ta đã yêu cầu model đi qua các hình ảnh huấn luyện 30 lần. Điều này có nghĩa là model sẽ xem toàn bộ hình ảnh trong dataset 30 lần và mỗi lần sẽ học thêm một chút.

Hãy tưởng tượng bạn đang học cách vẽ một con vật. Lần đầu vẽ, có thể hình vẽ chưa đẹp, nhưng sau khi luyện tập nhiều lần, bạn sẽ dần tiến bộ. Mỗi lần thử lại, bạn học từ những lỗi đã mắc phải và sửa chúng. Đó là cách mỗi epoch hoạt động với model - model xem các hình ảnh, mắc lỗi, học từ những lỗi đó và mỗi lần lại nhận diện động vật tốt hơn.

Nếu code huấn luyện đang chạy thành công, bạn sẽ thấy đầu ra sau khi quá trình huấn luyện tiến triển như sau:

• Thiết lập huấn luyện: Phần đầu tiên hiển thị phiên bản của Ultralytics, PyTorch và phần cứng đang được sử dụng (trong trường hợp này là CPU), cùng với cấu hình huấn luyện, bao gồm model (yolo11n.pt), kích thước batch, số epoch và kích thước hình ảnh.
• Tóm tắt model: Phần này cung cấp thông tin về độ phức tạp của model, chẳng hạn như số layer và parameter, cho biết quy mô của model.
• Optimizer và learning rate: Phần này đề cập đến optimizer (ví dụ: AdamW) và learning rate, các yếu tố kiểm soát cách model điều chỉnh parameter trong quá trình huấn luyện.
• Quét dataset: Model quét dataset và hiển thị số lượng hình ảnh hợp lệ, sẵn sàng cho huấn luyện. Kết quả xác nhận rằng dataset không có vấn đề.
• Tiến độ huấn luyện: Đầu ra được cập nhật sau mỗi epoch (chu kỳ huấn luyện), hiển thị tiến độ huấn luyện cùng các giá trị loss chính (box_loss, cls_loss, dfl_loss), cho biết model đang học tốt đến đâu.
• Metric hiệu năng: Sau mỗi epoch, bạn sẽ thấy các metric hiệu năng như precision, recall và mAP (độ chính xác trung bình). Các giá trị này cho biết độ chính xác của model trong việc phát hiện và phân loại đối tượng.
• Mức sử dụng bộ nhớ GPU: Nếu sử dụng GPU, đầu ra sẽ hiển thị mức sử dụng bộ nhớ để theo dõi mức độ khai thác phần cứng.

Hình 2. Đầu ra bạn sẽ thấy khi model đang được huấn luyện.

Bước 4: Đánh giá hiệu năng của model đã huấn luyện tùy chỉnh#

Sau khi hoàn tất quá trình huấn luyện, bạn có thể xem xét và validation các metric hiệu năng của model. Trong Google Colab, bạn có thể mở thư mục "runs", sau đó đến thư mục "detect" và cuối cùng là thư mục "train", nơi bạn sẽ tìm thấy các log hiển thị những chỉ số hiệu năng chính.

Đối với người dùng trong môi trường Python, kết quả huấn luyện mặc định được lưu trong thư mục “runs/train/” thuộc thư mục làm việc hiện tại. Mỗi lần chạy huấn luyện sẽ tạo một thư mục con mới (ví dụ: runs/train/exp, runs/train/exp2, v.v.), nơi bạn có thể tìm thấy log và các đầu ra khác liên quan đến quá trình huấn luyện.

Nếu sử dụng CLI, bạn có thể dễ dàng truy cập các kết quả và thiết lập này bằng lệnh “yolo settings”, cho phép xem hoặc sửa đổi các đường dẫn và cấu hình khác liên quan đến log huấn luyện và thông tin chi tiết của experiment.

Trong các log, bạn cũng sẽ tìm thấy một số biểu đồ để xem quá trình huấn luyện model diễn ra tốt đến đâu. Những biểu đồ này được tạo sau khi hoàn tất huấn luyện và cho biết model có cải thiện theo thời gian hay không bằng cách mắc ít lỗi hơn và trở nên chính xác hơn.

Các biểu đồ theo dõi tiến độ của model, cho biết loss (sự khác biệt giữa dự đoán của model và giá trị thực tế) giảm như thế nào và độ chính xác tăng ra sao trong quá trình huấn luyện. Điều này giúp bạn hiểu model đã học cách nhận diện động vật tốt đến đâu và đã cải thiện bao nhiêu vào cuối quá trình huấn luyện.

Hình 3. Ví dụ về các biểu đồ bạn có thể phân tích để đánh giá model.

Các metric chính để đánh giá hiệu năng#

Dưới đây là phần tìm hiểu kỹ hơn về một số metric bạn có thể sử dụng để đánh giá hiệu năng của model:

• Độ chính xác trung bình (mAP): Metric này đo lường độ chính xác tổng thể của model khi phát hiện động vật trên tất cả các class bằng cách lấy trung bình các điểm precision ở những mức recall khác nhau.
• Precision: Đây là tỷ lệ phần trăm các detection chính xác, được tính bằng cách chia số detection dương tính thật cho tổng số detection đã thực hiện.
• Recall: Chỉ số này cho biết tỷ lệ phần trăm động vật thực tế trong hình ảnh được model nhận diện chính xác, phản ánh khả năng phát hiện đầy đủ các instance liên quan.

Các metric đánh giá này có thể giúp tinh chỉnh model để cải thiện độ chính xác trước khi sử dụng model trong các ứng dụng thực tế.

Chạy inference bằng model Ultralytics YOLO11 đã huấn luyện tùy chỉnh#

Sau khi đã huấn luyện và đánh giá Ultralytics YOLO11, đã đến lúc sử dụng model để phân tích hình ảnh và chạy inference. Bạn có thể sử dụng hình ảnh kiểm thử từ dataset hoặc hình ảnh mới từ các nguồn khác nhau.

Chúng ta sẽ sử dụng đoạn code sau để chạy model trên một hình ảnh trong tập dữ liệu kiểm thử. Đoạn code này import các module cần thiết từ thư viện Ultralytics. Sau đó, nó xác định đường dẫn đến file trọng số model tốt nhất ("best.pt") được lưu trong thư mục kết quả. Model YOLO11 đã huấn luyện tùy chỉnh được tải bằng các trọng số này.

Sau đó, đường dẫn đến một hình ảnh từ tập kiểm thử African Wildlife được thiết lập. Model được áp dụng cho hình ảnh này để phát hiện đối tượng, kết quả được tạo và đầu ra (chẳng hạn như các đối tượng được phát hiện hoặc annotation) được lưu lại.

from ultralytics import YOLO, settings

best_model_path = results.save_dir / "weights/best.pt"
model = YOLO(best_model_path)
image_path = f"{settings['datasets_dir']}/african-wildlife/test/images/1 (168).jpg"
img_results = model(image_path, save=True)

Hình ảnh đầu ra hiển thị bên dưới sẽ được lưu trong thư mục "predict" nằm bên trong thư mục runs/detect. Đối với các lần kiểm thử tiếp theo, những thư mục mới như "predict2", "predict3" và tương tự sẽ được tạo để lưu trữ hình ảnh.

Hình 4. Chạy inference bằng model Ultralytics YOLO11 đã fine-tune trên một hình ảnh kiểm thử.

Để kiểm thử hình ảnh từ các nguồn khác nhau, bạn có thể sử dụng code bên dưới. Chúng tôi đã sử dụng một hình ảnh từ Pexels. Bạn có thể sử dụng hình ảnh tương tự hoặc bất kỳ hình ảnh liên quan nào khác.

from ultralytics import YOLO

best_model_path = results.save_dir / "weights/best.pt"
model = YOLO(best_model_path)
img2_results = model("https://images.pexels.com/photos/18341011/pexels-photo-18341011/free-photo-of-elephant-and-zebras-in-savannah.png", save=True)

Hình ảnh đầu ra hiển thị bên dưới sẽ được lưu trong thư mục phù hợp.

Hình 5. Phát hiện động vật hoang dã bằng model Ultralytics YOLO11 đã fine-tune trên một hình ảnh chưa từng thấy.

AI cho bảo tồn động vật hoang dã: Các ứng dụng thực tế#

Các model như Ultralytics YOLO11 có thể tự động phát hiện và theo dõi động vật, từ đó mở ra nhiều ứng dụng thực tiễn. Dưới đây là một số lĩnh vực chính mà vision AI có thể được sử dụng để hỗ trợ các nỗ lực bảo tồn động vật hoang dã:

• Giám sát loài: Vision AI có thể được sử dụng để xử lý dữ liệu trực quan như hình ảnh và video nhằm nhận diện chính xác các loài, đếm số lượng quần thể và theo dõi chuyển động của chúng theo thời gian.
• Cảnh báo camera thông minh: Tại các khu vực hẻo lánh, computer vision có thể được sử dụng để liên tục phân loại động vật và gửi cảnh báo theo thời gian thực, giúp cơ quan chức năng về động vật hoang dã nhanh chóng phản ứng trước các mối đe dọa như hành vi bất thường của động vật hoặc xung đột giữa con người và động vật hoang dã.
• Phân tích hành vi: Bằng cách theo dõi hoạt động di cư, thói quen kiếm ăn và tương tác xã hội, các hệ thống vision AI có thể cung cấp thông tin toàn diện về động lực giữa các loài.
• Phòng chống săn trộm: Vision AI có thể được tận dụng để phát hiện sự hiện diện trái phép của con người và các dấu hiệu săn trộm, đồng thời tận dụng machine learning và dữ liệu lịch sử để xác định chính xác các điểm nóng rủi ro.

Những điểm chính#

Các model computer vision như Ultralytics YOLO11 có thể đóng vai trò quan trọng trong bảo tồn động vật hoang dã bằng cách tự động hóa việc phát hiện và theo dõi động vật. Với vision AI, chúng ta có thể xử lý khối lượng lớn hình ảnh và video từ nhiều nguồn khác nhau, qua đó tiến hành đánh giá động vật hoang dã một cách chính xác.

Cụ thể, Ultralytics YOLO11 là lựa chọn tuyệt vời cho phát hiện đối tượng theo thời gian thực, rất phù hợp với các tác vụ như giám sát chống săn trộm, phân tích hành vi và theo dõi hệ sinh thái. Bằng cách tích hợp các model dựa trên AI vào hoạt động bảo tồn, chúng ta có thể bảo vệ các loài tốt hơn, cải thiện việc theo dõi đa dạng sinh học và đưa ra quyết định sáng suốt hơn để bảo vệ động vật hoang dã có nguy cơ tuyệt chủng.

Tham gia cộng đồng của chúng tôi và khám phá repository GitHub để tìm hiểu thêm về computer vision. Khám phá thêm các ứng dụng liên quan đến AI trong chăm sóc sức khỏe và computer vision trong sản xuất trên các trang giải pháp của chúng tôi. Xem các tùy chọn cấp phép của Ultralytics để bắt đầu với vision AI.