YOLOvME: Làm cho việc phát hiện hạt đậu nhanh trở nên dễ dàng

Takayuki Nukui là một nhà khoa học dữ liệu vật liệu đến từ Tokyo, Nhật Bản. Bạn có thể nghĩ rằng ML và khoa học vật liệu là một cặp đôi khó có thể xảy ra, nhưng Takayuki nhận thấy rằng nhiều giải pháp ML có thể được áp dụng trong công việc của mình.

Tuy nhiên, lý do thực sự Takayuki gia nhập ML không liên quan gì đến vai trò hiện tại của anh ấy. Lớn lên, cha của Takayuki là một nông dân. Thông thường, anh sẽ phải giúp cha mình thu hoạch đậu Hà Lan - một quá trình rất khắt khe.

Đối với mắt người, có thể khó phát hiện ra tất cả các hạt đậu snap trên cây vì chúng ngụy trang cực kỳ tốt giữa các lá. Trong mùa thu hoạch, Takayuki sẽ phải đi bộ qua lại trên cánh đồng của cha mình hết lần này đến lần khác để chắc chắn rằng ông đã hái từng hạt đậu chín cuối cùng. Quá trình gian khổ này đã khiến Takayuki tưởng tượng làm thế nào AI tầm nhìn mà ông đang nghiên cứu vào thời điểm đó có thể giúp đơn giản hóa việc thu hoạch đậu nhanh.

Chúng tôi đã xem qua ứng dụng phát hiện hạt đậu nhanh của Takayuki trên Twitter và nói chuyện với anh ấy để tìm hiểu thêm về công việc của anh ấy với YOLOv5.

Bạn đã chọn như thế nào YOLOv5 Để giúp bạn giải quyết vấn đề phát hiện đậu Hà Lan?

Ban đầu, Takayuki đã thử nhiều mô hình phát hiện đối tượng khác nhau từ YOLOv3 đến SSD đến EfficientDet. Tuy nhiên, một năm trước Takayuki đã thử YOLOv5 và cuối cùng đã làm việc với nó cho đến ngày nay vì nó mang lại độ chính xác tốt nhất.

Những khía cạnh của YOLOv5 Làm cho nó dễ dàng để làm việc với?

Đối với Takayuki, các cơ chế được thiết kế sẵn để cải thiện độ chính xác của mô hình, chẳng hạn như tăng cường dữ liệu và phát triển tham số tạo ra YOLOv5 dễ. Mặc dù điều này thường đòi hỏi một chương trình cồng kềnh, YOLOv5 có thể được thực hiện bằng cách thêm một mã đơn giản. "Tôi rất vui khi có thể phân tích kết quả và điều chỉnh mô hình trong thời gian được tạo ra. Tất nhiên, tôi cũng dành thời gian cho chú thích!"

Những thách thức khác bạn muốn giải quyết với YOLOv5 trong tương lai?

Takayuki đang để ngỏ các lựa chọn của mình: "Tôi muốn thử nó với các loại cây trồng khác trong trang trại. Không chỉ vậy, tôi muốn tiếp tục cố gắng với bất cứ điều gì xuất hiện trong đầu. Tôi nghĩ rằng có nhiều thứ tôi có thể tìm ra bằng cách cố gắng phát hiện các vật thể."

Bạn sẽ đưa ra lời khuyên nào cho một người mới làm quen với thế giới AI?

"Trước hết, tôi muốn giới thiệu YOLOv5 cho những người nghĩ rằng phát hiện đối tượng có vẻ khó khăn và e ngại khi bắt đầu với AI tầm nhìn. Theo tôi, YOLOv5 là mô hình phát hiện đối tượng dễ tiếp cận nhất để thực hiện.

Ngoài ra, tôi khuyên bạn nên thử sử dụng nó với một lượng dữ liệu đào tạo nhỏ hơn. Tăng cường dữ liệu được thiết kế sẵn và nó thường tạo ra các mô hình thú vị đáng ngạc nhiên.

Takayuki Nukui cân bằng cuộc sống của mình giữa kỹ thuật và trồng rau trong trang trại nhỏ của mình. Trang web của anh ấy là FarML, nơi anh ấy xuất bản các bài viết về ML. Kiểm tra bài viết chi tiết của anh ấy về phát hiện Snap Pea. Takayuki cũng thường đăng các trường hợp sử dụng của mình trên Twitter và Youtube của mình.

Chúng tôi muốn làm nổi bật của bạn YOLOv5 Trường hợp sử dụng là tốt! Gắn thẻ chúng tôi trên phương tiện truyền thông xã hội @Ultralytics với #YOLOvME để có cơ hội được giới thiệu.

Tìm hiểu về cách thực hiện YOLOv5 và tầm nhìn AI cung cấp các giải pháp cho ngành nông nghiệp.

‍