YOLOvME: Cuộc Cách Mạng Số trong Rừng

Stefano Puliti là nhà nghiên cứu về viễn thám rừng tại Viện Nghiên cứu Kinh tế Sinh học Na Uy (NIBIO) thuộc bộ phận kiểm kê rừng quốc gia. NIBIO là một trong những viện nghiên cứu lớn nhất ở Na Uy với khoảng 700 nhân viên. Họ đóng góp vào an ninh và an toàn thực phẩm, quản lý tài nguyên bền vững, đổi mới và tạo ra giá trị thông qua nghiên cứu và sản xuất kiến thức.

Trong nghiên cứu của mình, máy bay không người lái và các kỹ thuật cảm biến gần khác như quét laser di động được sử dụng để tạo ra các phân tích nâng cao cần thiết để đáp ứng nhu cầu thông tin hiện đại.

Phần lớn công việc anh ấy đã làm được thực hiện với dự án SmartForest, một chương trình nghiên cứu dài hạn được tài trợ bởi Hội đồng Nghiên cứu Na Uy cùng với hầu hết các tác nhân trong ngành lâm nghiệp ở Na Uy. Mục tiêu của SmartForest là cải thiện hiệu quả của ngành lâm nghiệp Na Uy bằng cách cho phép một cuộc cách mạng kỹ thuật số chuyển đổi thông tin rừng, lâm sinh, hoạt động lâm nghiệp, cung cấp gỗ và luồng thông tin kỹ thuật số tổng thể trong ngành.

Stefano đã làm việc nhiều năm với các ứng dụng machine learning truyền thống hơn như random forest hoặc support vector machine. Khoảng ba năm trước, ông nhận ra rằng đã đến lúc phải nâng cao trình độ trong lĩnh vực deep learning, lĩnh vực này vẫn đang trong giai đoạn phát triển đối với ngành lâm nghiệp. Kể từ khi nhận ra những lợi ích to lớn mà các nhà nghiên cứu có thể rút ra từ deep learning, Stefano đã phát triển một số ứng dụng trong lĩnh vực thị giác máy và máy bay không người lái.

Bạn đã sử dụng bao lâu rồi? YOLOv5 ?

"Tôi đã sử dụng nó từ mùa hè năm 2021 và chưa bao giờ bỏ nó! Phải nói rằng, đó là một tình yêu sét đánh nhờ vào sự dễ dàng trong việc thiết lập và vận hành kho lưu trữ YOLOv5 . Điều này cực kỳ hữu ích với tôi vì lúc đó tôi chưa quen lắm với python và đường cong học tập nông của YOLOv5 chính là điểm yếu."

Stefano đã sử dụng phương pháp phát hiện vật thể chủ yếu để xác định trong hình ảnh máy bay không người lái những cây có tình trạng sức khỏe kém do bị hư hại bởi các tác nhân phi sinh học (hạn hán, gió, tuyết) hoặc sinh học (côn trùng và nấm). Kể từ đó, ông và các đồng nghiệp đã phát triển một loạt các phương pháp YOLOv5 máy dò, từ ổ gà đến mép đường và máy dò vòng xoáy.

"Đến lúc tôi tình cờ gặp YOLOv5 , Tôi đã không thành công khi cố gắng đào tạo một số máy dò đối tượng trong TensorFlow API Phát hiện Đối tượng trong một thời gian. Sau đó, tôi gặp phải YOLOv5 repo và (không mấy hy vọng) đã thử huấn luyện một máy dò và thật bất ngờ, tôi bắt đầu quá trình học với bốn dòng mã. Tôi không chắc người ta có thể định nghĩa nó là một quá trình suy nghĩ hay đúng hơn là một cú hích may mắn, nhưng nó đã bắt đầu."

Hầu hết các mô hình sau đó được triển khai trên giải pháp đám mây của họ (ForestSens) để cung cấp dịch vụ cho ngành lâm nghiệp. Tại đó, người dùng có thể tải lên, ví dụ như hình ảnh từ máy bay không người lái, sau đó được chuyển đổi thành thông tin chi tiết hữu ích nhờ vào YOLOv5 một số mô hình. Một số máy dò được huấn luyện của họ cũng được triển khai tại rìa máy lâm nghiệp hoặc trên xe tải khai thác gỗ.

Ngay từ đầu, Stefano và nhóm của ông đã phát triển một loạt các YOLOv5 các mô hình được sử dụng để hỗ trợ:

1. Đánh giá chất lượng gỗ
2. Giám sát nhu cầu bảo trì đường lâm nghiệp
3. Phát hiện các đặc điểm liên quan đến đa dạng sinh học trong rừng

Hơn nữa, họ cũng đang xem xét mở rộng các mô hình dựa trên máy bay không người lái của mình để theo dõi sức khỏe rừng và kiểm kê sang dữ liệu ảnh vệ tinh và trên không có độ phân giải thô hơn.

Với bản phát hành YOLOv5 mới nhất , họ rất mong đợi khả năng phân loại hình ảnh và phân đoạn ngữ nghĩa YOLOv5 có thể cung cấp. Những khả năng này sẽ mở rộng khả năng giải quyết các nhiệm vụ thị giác máy tính phức tạp trong môi trường rừng.

Sự dễ dàng thiết lập cho cả việc đào tạo các mô hình (phiên bản docker) cũng như việc triển khai mô hình được thực hiện YOLOv5 một lựa chọn tuyệt vời cho họ.

“Một trong những khía cạnh luôn làm tôi say mê Ultralytics là mô hình kinh doanh khá mới, dựa trên mã nguồn mở làm cốt lõi và cung cấp các sản phẩm trả phí cho những người không chuyên để tiếp cận sức mạnh của học sâu. Là một nhà khoa học, tôi rất trân trọng Ultralytics và tôi thấy rằng đó là một cách tuyệt vời để đẩy nhanh quá trình phát triển sản phẩm. Kết quả là, YOLOv5 đang chứng kiến những nâng cấp đáng kể trong quá trình phát triển liên tục nhờ sự đóng góp của nhiều nhà khoa học dữ liệu và chuyên gia.”

Bạn muốn giới thiệu gì cho người mới bắt đầu làm quen với AI?

Khi tham dự các hội nghị quốc tế trong năm qua, tôi nhận thấy các nhà nghiên cứu lâm nghiệp hoặc e ngại sự phức tạp của học sâu, hoặc không nghĩ rằng nó có thể đóng vai trò gì trong nghiên cứu của họ. Trong tất cả những trường hợp này, tôi đề xuất dành nửa ngày để chú thích và cố gắng đào tạo một số người. YOLOv5 để hiểu được sức mạnh và sự đơn giản của nó.

Nói theo đúng nghĩa đen thì tôi đang nói: "Phương pháp của anh không hiệu quả sao? Vậy thì YOLO Nó!"

Nếu bạn muốn cập nhật những thông tin mới nhất về Stefano Puliti và các công trình của ông, hãy theo dõi tài khoản Twitter của ông.

Có riêng của bạn YOLOv5 Trường hợp sử dụng?

Gắn thẻ chúng tôi với #YOLOvME trên phương tiện truyền thông xã hội của chúng tôi với chính bạn YOLOv5 trường hợp sử dụng và chúng tôi sẽ quảng bá công việc của bạn tới cộng đồng ML.