YOLOvME: Bezelye Tespitini Kolaylaştırmak

Takayuki Nukui, Tokyo, Japonya'dan bir Malzeme Veri Bilimcisidir. Makine öğrenimi ve malzeme biliminin olası olmayan bir çift olduğunu düşünebilirsiniz, ancak Takayuki birçok makine öğrenimi çözümünün kendi iş kolunda uygulanabileceğini keşfetti.

Ancak Takayuki'nin ML'ye girmesinin gerçek nedeninin şu anki rolüyle hiçbir ilgisi yok. Büyürken, Takayuki'nin babası bir çiftçiydi. Çoğu zaman babasının bezelye toplamasına yardım etmek zorunda kalırdı - çok zorlu bir süreç.

Yaprakların arasında son derece iyi kamufle olduklarından, insan gözleri için bir bitkideki tüm bezelyeleri tespit etmek zor olabilir. Hasat mevsiminde Takayuki, olgunlaşmış son bezelyeyi de topladığından emin olmak için babasının tarlasında defalarca ileri geri yürümek zorunda kalırdı. Bu zorlu süreç, Takayuki'nin o sırada üzerinde çalıştığı yapay görme teknolojisinin bezelye hasadını kolaylaştırmaya nasıl yardımcı olabileceğini hayal etmesine yol açtı.

Takayuki'nin bezelye tespit uygulamasına Twitter 'da rastladık ve YOLOv5 ile yaptığı çalışmalar hakkında daha fazla bilgi edinmek için kendisiyle konuştuk.

Bezelyeleri tespit etme sorununu çözmenize yardımcı olması için YOLOv5 adresini nasıl seçtiniz?

Başlangıçta Takayuki, YOLOv3 'ten SSD 'ye ve EfficientDet'e kadar çeşitli nesne algılama modellerini denedi. Ancak bir yıl önce Takayuki YOLOv5 ve en iyi doğruluğu sağladığı için günümüze kadar onunla çalışmaya devam etti.

YOLOv5 'un hangi yönleri çalışmayı kolaylaştırdı?

Takayuki için, veri artırma ve parametre evrimi gibi model doğruluklarını iyileştirmek için önceden tasarlanmış mekanizmalar YOLOv5 'u kolaylaştırır. Bu normalde hantal bir program gerektirirken, YOLOv5 basit bir kod eklenerek uygulanabiliyor. "Sonuçları analiz edebildiğim ve modeli oluşturulan zaman içinde ayarlayabildiğim için mutluydum. Tabii ki ek açıklamalar için de zaman harcadım!"

Gelecekte YOLOv5 ile başka hangi zorlukları çözmek istersiniz?

Takayuki seçeneklerini açık tutuyor: "Çiftlikteki diğer ürünlerle de denemek istiyorum. Sadece bu da değil, aklıma gelen her şeyi denemeye devam etmek istiyorum. Nesneleri tespit etmeye çalışarak öğrenebileceğim daha çok şey olduğunu düşünüyorum."

Yapay zeka dünyasında yeni olan birine ne tavsiye edersiniz?

"Öncelikle, nesne algılamanın zor göründüğünü düşünen ve görme yapay zekasına başlamaktan çekinenlere YOLOv5 adresini tavsiye ederim. Bence YOLOv5 , uygulanabilecek en erişilebilir nesne algılama modeli.

Ayrıca, daha az miktarda eğitim verisi ile kullanmayı denemenizi öneririm. Veri Artırımı önceden tasarlanmıştır ve genellikle şaşırtıcı derecede ilginç modeller üretir."

Takayuki Nukui hayatını mühendislik ve küçük çiftliğinde sebze yetiştirmek arasında dengeliyor. Kendisinin web sitesi FarMLML üzerine makaleler yayınlıyor. Ona göz atın detaylı makale Snap Pea tespiti üzerine. Takayuki ayrıca kullanım senaryolarını sık sık Twitter ve Youtube.

Sizin YOLOv5 kullanım örneğinizi de öne çıkarmak istiyoruz! Öne çıkma şansı için bizi sosyal medyada @Ultralytics #YOLOvME ile etiketleyin.

YOLOv5 ve görsel yapay zekanın tarım sektörü için nasıl çözümler sunduğunu öğrenin.

‍