YOLOvME：让甜豆检测变得简单
了解 Takayuki Nukui 如何应用 YOLOv5 AI 进行高效的甜豆采摘——将机器学习与传统农业相结合。
Takayuki Nukui 是一位来自日本东京的材料数据科学家。你可能会觉得机器学习和材料科学之间关联不大，但 Takayuki 发现许多机器学习解决方案可以应用到他的工作中。
然而，Takayuki 进入机器学习领域的真正原因与他目前的职业无关。Takayuki 从小在农家长大。他经常需要帮父亲采摘荷兰豆——这是一个非常繁重的过程。
对于人眼来说，在植株上找到所有的荷兰豆是一项挑战，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往返于父亲的田地之间，以确保他采摘了每一个成熟的荷兰豆。这个艰苦的过程促使 Takayuki 开始构思，他当时正在研究的计算机视觉 AI 如何能简化荷兰豆的采摘过程。
我们在 Twitter 上看到了 Takayuki 的甜豆检测应用，并与他进行了交流，以进一步了解他使用 Ultralytics YOLOv5 的工作。
你是如何选择 Ultralytics YOLOv5 来帮你解决甜豆检测问题的？#
最初，Takayuki 尝试了从 YOLOv3、SSD 到 EfficientDet 的各种目标检测模型。然而，在一年前，Takayuki 尝试了 YOLOv5，由于它提供了最佳的准确率，他一直使用到现在。
Ultralytics YOLOv5 的哪些方面让它用起来很轻松？#
对 Takayuki 而言，像数据增强和参数进化这样预先设计用于提高模型准确率的机制，让 Ultralytics YOLOv5 变得很简单。虽然这通常需要一个繁琐的程序，但通过添加简单的代码即可实现 YOLOv5。“我很高兴能在空出的时间里分析结果并调优模型。当然，我也花时间做标注了！”
未来你还想用 Ultralytics YOLOv5 解决哪些其他挑战？#
Takayuki 保持开放的态度：“我想尝试将其用于农场的其他农作物。不仅如此，我还会尝试任何我能想到的东西。我认为通过尝试检测不同的物体，我可以发现更多东西。”
你会给刚进入 AI 领域的人什么建议？#
“首先，我会向那些认为目标检测看起来很难、对开始接触视觉 AI 心存顾虑的人推荐 Ultralytics YOLOv5。在我看来，YOLOv5 是最容易实现的目标检测模型。”
此外，我建议尝试用较少量的训练数据来使用它。数据增强是预先设计好的，它经常能生成令人意想不到的有趣模型。”
Takayuki Nukui 在工程技术和在他自己的小型农场种植蔬菜之间平衡生活。他的网站是 FarML，他在上面发表关于 ML 的文章。请查看他关于甜豆检测的详细文章。Takayuki 还经常在自己的 Twitter 和 YouTube 上发布他的用例。
我们也想重点介绍你的 YOLOv5 用例！在社交媒体上标记我们 @Ultralytics 并附上 #YOLOvME，即有机会获得专题报道。
