YOLOvME：让荷兰豆检测变得简单
了解 Takayuki Nukui 如何应用 YOLOv5 AI 实现高效的荷兰豆采摘，将机器学习与传统农业相结合。
Takayuki Nukui 是一名来自日本东京的材料数据科学家。你可能会觉得 ML 和材料科学是两个不太可能结合的领域，但 Takayuki 发现，许多 ML 解决方案都可以应用于他的工作。
然而，Takayuki 接触 ML 的真正原因与他目前的工作毫无关系。Takayuki 从小在农场长大，他的父亲是一名农民。他经常需要帮助父亲采收荷兰豆——这是一个非常辛苦的过程。
对于人眼来说，要找出一株植物上的所有荷兰豆可能很困难，因为它们在叶片间的伪装效果非常好。在收获季节，为了确保摘下每一颗成熟的荷兰豆，Takayuki 不得不一次又一次地往返于父亲的田地之间。这一艰苦的过程让 Takayuki 开始思考，他当时正在学习的视觉 AI 是否能够帮助简化荷兰豆采收工作。
我们在 Twitter 上发现了 Takayuki 的荷兰豆检测应用，并与他交流，以进一步了解他使用 Ultralytics YOLOv5 开展的工作。
你是如何选择 Ultralytics YOLOv5 来帮助解决荷兰豆检测问题的？#
起初，Takayuki 尝试了各种目标检测模型，从 YOLOv3 到 SSD，再到 EfficientDet。然而，一年前 Takayuki 试用了 YOLOv5，最终一直使用到现在，因为它提供了最佳的准确率。
Ultralytics YOLOv5 的哪些方面让它易于使用？#
对 Takayuki 来说，数据增强和参数演化等用于提升模型准确率的预设计机制让 Ultralytics YOLOv5 变得易于使用。通常，这需要编写繁琐的程序，但 YOLOv5 只需添加一段简单代码即可实现。“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，我也花了时间进行标注！”
未来，你还希望使用 Ultralytics YOLOv5 解决哪些其他挑战？#
Takayuki 对各种可能性都持开放态度：“我想在农场的其他作物上尝试。不仅如此，我还想继续尝试所有能想到的事。我认为，通过尝试检测物体，我还能发现更多东西。”
你会给 AI 领域的新手什么建议？#
“首先，我会向那些认为目标检测看起来很困难、对开始使用视觉 AI 心存顾虑的人推荐 Ultralytics YOLOv5。在我看来，YOLOv5 是最容易上手实现的目标检测模型。
此外，我建议尝试使用较少的训练数据。数据增强是预先设计好的，而且经常能生成出令人惊喜的有趣模型。”
Takayuki Nukui 在工程工作与小农场种植蔬菜之间找到了生活的平衡。他的网站是 FarML，在那里他会发布有关 ML 的文章。欢迎查看他关于荷兰豆检测的详细文章。Takayuki 也经常在他的 Twitter 和 YouTube 上分享使用案例。
我们也希望展示你的 YOLOv5 使用案例！在社交媒体上使用 @Ultralytics 和 #YOLOvME 标记我们，就有机会获得展示。
