YOLOvME: Đơn giản hóa việc phát hiện đậu Hà Lan

Takayuki Nukui là một nhà khoa học dữ liệu vật liệu đến từ Tokyo, Nhật Bản. Bạn có thể nghĩ rằng ML và khoa học vật liệu là một cặp đôi khó có thể xảy ra, nhưng Takayuki nhận thấy rằng nhiều giải pháp ML có thể được áp dụng trong lĩnh vực công việc của mình.

Tuy nhiên, lý do thực sự khiến Takayuki tham gia vào ML không liên quan gì đến vai trò hiện tại của anh ấy. Lớn lên, cha của Takayuki là một nông dân. Thông thường, anh ấy phải giúp cha mình thu hoạch đậu Hà Lan – một quy trình rất vất vả.

Đối với mắt người, có thể khó phát hiện tất cả đậu Hà Lan trên một cây vì chúng ngụy trang cực kỳ tốt giữa các lá. Trong mùa thu hoạch, Takayuki phải đi đi lại lại trên các cánh đồng của cha mình hết lần này đến lần khác để đảm bảo rằng anh ta đã hái hết từng quả đậu Hà Lan chín mọng cuối cùng. Quá trình gian khổ này đã khiến Takayuki hình dung ra cách AI thị giác mà anh đang nghiên cứu vào thời điểm đó có thể giúp đơn giản hóa việc thu hoạch đậu Hà Lan.

Chúng tôi tình cờ thấy ứng dụng phát hiện đậu Hà Lan của Takayuki trên Twitter và đã nói chuyện với anh ấy để tìm hiểu thêm về công việc của anh ấy với YOLOv5 .

Bạn đã chọn như thế nào? YOLOv5 để giúp bạn giải quyết vấn đề phát hiện đậu que?

Ban đầu, Takayuki đã thử nghiệm nhiều mô hình phát hiện vật thể khác nhau, từ YOLOv3 đến SSD rồi EfficientDet . Tuy nhiên, một năm trước, Takayuki đã thử nghiệm YOLOv5 và cuối cùng vẫn sử dụng nó cho đến tận ngày nay vì nó mang lại độ chính xác cao nhất.

Những khía cạnh nào của YOLOv5 làm cho nó dễ dàng để làm việc?

Đối với Takayuki, các cơ chế được thiết kế trước để cải thiện độ chính xác của mô hình, chẳng hạn như tăng cường dữ liệu và phát triển tham số tạo nên YOLOv5 dễ dàng. Mặc dù điều này thường đòi hỏi một chương trình cồng kềnh, YOLOv5 có thể được triển khai bằng cách thêm một đoạn mã đơn giản. “Tôi rất vui khi có thể phân tích kết quả và điều chỉnh mô hình trong thời gian tạo ra. Tất nhiên, tôi cũng dành thời gian cho việc chú thích!”

Bạn muốn giải quyết những thách thức nào khác? YOLOv5 trong tương lai?

Takayuki vẫn giữ những lựa chọn mở của mình: “Tôi muốn thử nghiệm với các loại cây trồng khác trong trang trại. Không chỉ vậy, tôi còn muốn tiếp tục thử nghiệm với bất cứ thứ gì nảy ra trong đầu. Tôi nghĩ rằng có nhiều điều tôi có thể khám phá ra bằng cách thử nghiệm.” detect các đối tượng.”

Bạn sẽ đưa ra lời khuyên gì cho một người mới bước vào thế giới AI?

“Trước hết, tôi muốn giới thiệu YOLOv5 dành cho những người cho rằng phát hiện vật thể có vẻ khó khăn và e ngại khi bắt đầu với AI thị giác. Theo tôi, YOLOv5 là mô hình phát hiện đối tượng dễ triển khai nhất.

Ngoài ra, tôi khuyên bạn nên thử sử dụng nó với một lượng dữ liệu huấn luyện nhỏ hơn. Data Augmentation (Tăng cường dữ liệu) được thiết kế sẵn và nó thường tạo ra các mô hình thú vị một cách đáng ngạc nhiên.”

Takayuki Nukui cân bằng cuộc sống của mình giữa kỹ thuật và trồng rau trên trang trại nhỏ của mình. Trang web của anh ấy là FarML, nơi anh ấy xuất bản các bài viết về ML. Hãy xem bài viết chi tiết của anh ấy về phát hiện đậu Hà Lan. Takayuki cũng thường xuyên đăng tải các trường hợp sử dụng của mình trên Twitter và Youtube.

Chúng tôi muốn làm nổi bật bạn YOLOv5 cũng là trường hợp sử dụng! Gắn thẻ chúng tôi trên mạng xã hội @ Ultralytics với #YOLOvME để có cơ hội được giới thiệu.

Tìm hiểu về cách YOLOv5 và AI tầm nhìn cung cấp giải pháp cho ngành nông nghiệp .

‍