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 上发现了 Takayuki 的荷兰豆检测应用，并与他进行了交流，以了解更多关于他使用 YOLOv5 的工作成果。
Link to this section你是如何选择 YOLOv5 来帮助你解决荷兰豆检测问题的？#
起初，Takayuki 尝试了从 YOLOv3 到 SSD 再到 EfficientDet 等各种目标检测模型。然而，一年前 Takayuki 尝试了 YOLOv5，由于它提供了最佳的准确率，他便一直使用至今。
Link to this sectionYOLOv5 的哪些方面让它易于使用？#
对于 Takayuki 来说，YOLOv5 预先设计的用于提高模型准确率的机制（如数据增强和参数演化）让它变得非常简单。虽然这通常需要编写复杂的程序，但通过添加简单的代码即可实现 YOLOv5。“我很高兴能在空闲时间分析结果并调整模型。当然，我也在标注数据上花了不少时间！”
Link to this section未来你还想用 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。”
Link to this section你会给刚进入 AI 领域的人什么建议？#
“首先，我想向那些认为目标检测很难且对入门计算机视觉 AI 感到畏惧的人推荐 YOLOv5。在我看来，YOLOv5 是实现起来最容易上手的目标检测模型。”
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 在他的工程工作和他小型农场的蔬菜种植之间保持着生活平衡。他的网站是 FarML，他在上面发布关于机器学习的文章。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。
