YOLOvME：スナップエンドウの検出を簡単にする

貫井孝之は東京出身のマテリアル・データサイエンティストである。MLと材料科学は似つかわしくない組み合わせだと思われるかもしれないが、彼の仕事には多くのMLソリューションが応用できる。

しかし、孝之がMLに入った本当の理由は、現在の役割とは関係ない。幼い頃、孝之の父親は農家だった。スナップエンドウの収穫を手伝うこともしばしばあった。

スナップエンドウは葉っぱの間にうまく隠れてしまうので、人間の目ですべてのスナップエンドウを見つけるのは難しい。収穫の季節になると、隆之は父親の畑を何度も往復して、熟したスナップエンドウを最後まで確実に収穫しなければならなかった。この骨の折れる作業から、孝之は当時研究していた視覚AIがスナップエンドウの収穫を簡略化できるのではないかと思いついた。

私たちはツイッターで貴之のスナップエンドウ検出アプリケーションを見つけ、彼の仕事についてもっと知るために彼に話を聞いた。YOLOv5 。

スナップエンドウの検出という問題を解決するために、YOLOv5 、どのように選んだのですか？

当初は、YOLOv3、SSD、EfficientDetとさまざまな物体検出モデルを試したが、1年前に試したYOLOv3が最も精度が高く、現在に至っている。 YOLOv5を試してみたところ、最も精度が高かったため、現在に至っている。

YOLOv5 のどのような点が働きやすかったですか？

孝之の場合、データ増強やパラメータ進化など、モデルの精度を向上させるためのメカニズムがあらかじめ設計されているため、YOLOv5 。通常は面倒なプログラムが必要だが、YOLOv5 、簡単なコードを追加するだけで実装できる。"私は、作成した時間で結果を分析し、モデルを調整できたことに満足しています。もちろん、注釈にも時間を費やしました！"

今後、YOLOv5 、他にどのような課題を解決したいですか？

タカユキは選択肢を広げている：「農場の他の作物でも試してみたい。それだけでなく、思いついたことはどんどんやってみたい。物体を検知してみることで、もっといろいろなことが見えてくると思うんです。"

AIの世界に入ったばかりの人にどんなアドバイスをしますか？

"まず最初に、物体検出は難しそうだと思っている人、ビジョンAIを始めることに不安を感じている人に、YOLOv5 。私の意見では、YOLOv5 は最も実装しやすい物体検出モデルです。

また、より少ない量のトレーニングデータで使ってみることをお勧めする。Data Augmentationはあらかじめ設計されており、驚くほど面白いモデルができることが多い。"

貫井貴之はエンジニアリングと小さな農場での野菜作りを両立させている。彼のウェブサイトは ファーエムエルで、MLに関する記事を公開している。彼の 詳細記事 をご覧ください。 また 、Takayukiは しばしば自身の ツイッター や Youtube.

あなたのYOLOv5 ユースケースにもスポットライトを当てたいと思います！ソーシャルメディア @Ultralytics で #YOLOvME とタグ付けしてください。

YOLOv5 、ビジョンAIが農業業界にどのようなソリューションを提供するかについて学ぶ。

‍