YOLOvME: Giúp việc phát hiện đậu Hà Lan trở nên dễ dàng
Khám phá cách Takayuki Nukui ứng dụng AI YOLOv5 để thu hoạch đậu Hà Lan hiệu quả—kết hợp machine learning với phương pháp canh tác truyền thống.
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 sự kết hợp khó xảy ra, nhưng Takayuki nhận thấy nhiều giải pháp ML có thể được áp dụng vào lĩnh vực công việc của mình.
Tuy nhiên, lý do thực sự khiến Takayuki bắt đầu tìm hiểu ML không liên quan gì đến vai trò hiện tại của anh. Khi Takayuki lớn lên, cha anh là một nông dân. Thường thì anh phải giúp cha thu hoạch đậu Hà Lan snap – một quy trình rất vất vả.
Đối với mắt người, việc phát hiện tất cả đậu Hà Lan snap trên một cây có thể rất khó khăn vì chúng ngụy trang cực kỳ tốt giữa những tán lá. Trong mùa thu hoạch, Takayuki phải đi đi lại lại trên những cánh đồng của cha hết lần này đến lần khác để chắc chắn rằng mình đã hái hết từng quả đậu Hà Lan snap chín cuối cùng. Quy trình gian nan này khiến Takayuki hình dung cách AI thị giác mà anh đang nghiên cứu khi đó có thể giúp đơn giản hóa việc thu hoạch đậu Hà Lan snap.
Chúng tôi tình cờ biết đến ứng dụng phát hiện đậu Hà Lan snap của Takayuki trên Twitter và đã trò chuyện với anh để tìm hiểu thêm về công việc của anh với Ultralytics YOLOv5.
Bạn đã chọn Ultralytics YOLOv5 như thế nào để giúp giải quyết bài toán phát hiện đậu Hà Lan snap?#
Ban đầu, Takayuki đã thử nhiều model phát hiện đối tượng khác nhau, từ YOLOv3 đến SSD rồi EfficientDet. Tuy nhiên, một năm trước, Takayuki đã thử YOLOv5 và tiếp tục làm việc với model này cho đến hiện tại vì nó mang lại độ chính xác tốt nhất.
Những khía cạnh nào của Ultralytics YOLOv5 khiến model này dễ sử dụng?#
Đối với Takayuki, các cơ chế được thiết kế sẵn để cải thiện độ chính xác của model, chẳng hạn như tăng cường dữ liệu và tiến hóa tham số, khiến Ultralytics YOLOv5 trở nên dễ sử dụng. Thông thường, việc này sẽ đòi hỏi một chương trình cồng kềnh, nhưng YOLOv5 có thể được triển khai chỉ bằng cách thêm một đoạn code đơn giản. “Tôi rất vui vì có thể phân tích kết quả và tinh chỉnh model trong khoảng thời gian được tạo ra. Tất nhiên, tôi cũng dành thời gian cho việc gán nhãn!”
Trong tương lai, bạn muốn giải quyết những thách thức nào khác với Ultralytics YOLOv5?#
Takayuki vẫn để ngỏ các lựa chọn: “Tôi muốn thử model này với những loại cây trồng khác trong trang trại. Không chỉ vậy, tôi muốn tiếp tục thử với bất cứ điều gì nảy ra trong đầu. Tôi nghĩ mình có thể khám phá thêm nhiều điều bằng cách thử phát hiện các đối tượng.”
Bạn sẽ đưa ra lời khuyên nào cho người mới bước vào thế giới AI?#
“Trước hết, tôi muốn giới thiệu Ultralytics YOLOv5 cho những người cho rằng việc phát hiện đối tượng có vẻ khó và còn e ngại khi bắt đầu với AI thị giác. Theo ý kiến của tôi, YOLOv5 là model phát hiện đối tượng dễ tiếp cận nhất để triển khai.
Ngoài ra, tôi khuyên bạn nên thử sử dụng model này với một lượng dữ liệu huấn luyện nhỏ hơn. Tăng cường dữ liệu được thiết kế sẵn và thường tạo ra những model thú vị đến bất ngờ.”
Takayuki Nukui cân bằng cuộc sống giữa công việc kỹ thuật và việc trồng rau tại trang trại nhỏ của mình. Website của anh là FarML, nơi anh đăng các bài viết về ML. Hãy xem bài viết chi tiết của anh về việc phát hiện đậu Hà Lan snap. Takayuki cũng thường đăng các use case của mình trên Twitter và YouTube.
Chúng tôi cũng muốn giới thiệu use case YOLOv5 của bạn! Gắn thẻ @Ultralytics trên mạng xã hội cùng hashtag #YOLOvME để có cơ hội được giới thiệu.
