YOLOvME：让荷兰豆检测变得简单

Takayuki Nukui 是来自日本东京的材料数据科学家。您可能认为机器学习和材料科学不太可能结合在一起，但 Takayuki 发现许多机器学习解决方案可以应用于他的工作领域。

然而，Takayuki进入机器学习领域的真正原因与他目前的角色无关。在成长过程中，Takayuki的父亲是一名农民。他经常不得不帮助父亲收获豌豆——这是一个非常艰巨的过程。

对于人眼来说，很难发现植物上的所有荷兰豆，因为它们在叶子中伪装得非常好。在收获季节，Takayuki 不得不一次又一次地在他的父亲的田地里来回跋涉，以确保他采摘了每一颗成熟的荷兰豆。这个艰苦的过程让 Takayuki 想象当时他正在研究的视觉人工智能如何帮助简化荷兰豆的收获。

我们在 Twitter 上偶然发现了 Takayuki 的荷兰豆检测应用程序，并与他进行了交谈，以了解更多关于他使用 YOLOv5 的工作。

您是如何选择 YOLOv5 来帮助您解决检测荷兰豆问题的？

起初，Takayuki 尝试了从 YOLOv3 到 SSD 再到 EfficientDet 的各种目标检测模型。然而，一年前，Takayuki 试用了 YOLOv5，并最终一直使用它到现在，因为它提供了最佳的准确性。

YOLOv5 的哪些方面让您更容易上手？

对于 Takayuki 来说，诸如数据增强和参数演化等用于提高模型准确性的预设机制使 YOLOv5 变得简单易用。虽然这通常需要繁琐的程序，但只需添加一个简单的代码即可实现 YOLOv5。“我很高兴能够利用节省下来的时间分析结果并调整模型。当然，我也花了一些时间在标注上！”

未来您还想用 YOLOv5 解决哪些其他挑战？

Takayuki 正在保持开放的选择：“我想在农场的其他作物上尝试一下。不仅如此，我还想尝试任何想到的东西。我认为通过尝试检测物体，我可以发现更多东西。”

对于刚接触 AI 领域的人，您有什么建议？

“首先，我建议那些认为目标检测很困难并且害怕开始使用视觉 AI 的人使用 YOLOv5。在我看来，YOLOv5 是最容易实现的目标检测模型。”

此外，我建议尝试使用少量训练数据。数据增强是预先设计的，它通常会产生非常有趣的模型。

Takayuki Nukui 在工程和在他小农场种植蔬菜之间平衡着他的生活。他的网站是FarML，他在那里发表关于 ML 的文章。查看他关于豌豆检测的详细文章。Takayuki 还经常在他的Twitter 和Youtube 上发布他的用例。

我们也想重点介绍您的 YOLOv5 用例！在社交媒体上使用 #YOLOvME 标签 @Ultralytics，您就有机会被推荐。

了解 YOLOv5 和视觉人工智能如何为农业行业提供解决方案。

​