YOLOvME: عدّ المستعمرات وتقييم اللطاخات والكشف عن الحياة البرية

هل سبق أن اضطررت إلى تقييم عدد لا يُحصى من الصور والبيانات والنتائج وغيرها؟ وهل اضطررت إلى إجراء هذه التقييمات يدويًا، مما زاد العملية تعقيدًا؟ لا شك أن ذلك يستغرق وقتًا طويلًا للغاية.

وجد Martin Schätz أن Ultralytics YOLOv5 أداة مفيدة لتقليل الوقت اللازم لتحليل الصور في أبحاث الأمراض المعدية ومراقبتها. ويتولى Martin عدة مهام في آن واحد، لكن جوهر عمله يركز على تحليل الصور الحيوية، وهو قطاع يصفه بأنه «المجال الواقع بين علوم الحاسوب وعلم الأحياء». أردنا معرفة المزيد عن عمل Martin في مراقبة المستعمرات وعدّها، فجلسنا معه وطرحنا عليه بعض الأسئلة.

ما عملك تحديدًا باستخدام Ultralytics YOLOv5؟#

ينبع توجه Martin إلى تطبيق Ultralytics YOLOv5 في مشاريعه من حاجته إلى أتمتة العمليات الحالية لكشف الأجسام وتصنيفها وعدّها. كما يهدف Martin إلى استخدام YOLOv5 في حالات مثل تجربة التطور طويل الأمد.

عدّ المستعمرات البكتيرية#

في المختبرات، يعد الفنيون عادةً المستعمرات البكتيرية المزروعة على أطباق الآغار يدويًا. وللأسف، يكون العد اليدوي عرضة للأخطاء. ولمعالجة هذه المشكلة، استخدم Martin نموذج Ultralytics YOLOv5 لأتمتة عملية العد. وقد قلل هذا النهج بدرجة كبيرة الأخطاء والوقت المرتبطين باكتشاف المستعمرات وتصنيفها.

كشف الأجسام المجهرية وتصنيفها#

لإجراء الاختبارات على المستوى المجهري، لا بد من تقييم المسحات. وما زالت هذه العملية تُجرى يدويًا في معظم الأحيان. وكما نعلم، فإن العمليات اليدوية أكثر عرضة للأخطاء والتباين في النتائج. إضافةً إلى ذلك، ورغم توفر أدوات مناسبة لكشف أجسام ذات أشكال محددة، لا تزال هناك حاجة إلى أدوات أكثر تخصصًا للعد والتصنيف التلقائيين لمختلف الأجسام.

كشف الحياة البرية ومراقبتها#

«يسجل زملائي الحياة البرية في الغابات ومواقع أخرى، وعادةً ما يشاهدون مقاطع الفيديو يدويًا، ما يعني أنهم يضطرون إلى الجلوس ومراجعة مئات المقاطع».

مع إدراكه أن البحث يدويًا عن خنزير بري أو أيل في مقطع فيديو قد يستغرق وقتًا هائلًا، أدرك Martin أن كشف الأجسام يمكن أن يحسّن هذه العملية بالتأكيد. وهنا، طُبق Ultralytics YOLOv5 لإتاحة كشف الحياة البرية بسهولة وفور دخول حيوان مجال رؤية الكاميرا.

كيف دخلت عالم تعلم الآلة والذكاء الاصطناعي البصري؟#

درس Martin في مرحلة الماجستير ما يحب أن يسميه «الأساليب التقليدية لتحليل الصور». وأثناء إتمامه دراسته، بدأ التعلّم العميق يحظى بمزيد من الاهتمام، وكان يُشار إليه آنذاك باسم «الشبكات الالتفافية» فحسب.

خلال هذه الفترة، كان Martin يعمل على تنقيب البيانات، التي لم تكن مفيدة كثيرًا. ورغبةً منه في التعامل مباشرةً مع البيانات، قرر Martin خوض غمار تعلم الآلة والذكاء الاصطناعي البصري.

بماذا تنصح من يريد البدء باستخدام Ultralytics YOLOv5؟#

قد تكون عملية تعلم تعلم الآلة والذكاء الاصطناعي البصري معقدة جدًا في الوقت الحالي. وبصفته مستخدمًا للذكاء الاصطناعي البصري منذ مدة، ذكر Martin ثلاث نقاط لكل من يرغب في البدء:

1. «بوصفي عالمًا، أفضل أن أقرأ كل شيء أولًا حتى أتمكن من إعادة قراءة ما لم أفهمه تمامًا من المرة الأولى». إن اكتساب فهم أساسي قبل البدء بتدريب النماذج يجعل العملية أسهل بكثير للمبتدئين.
2. كما أشار Martin إلى فائدة الاطلاع على حالات استخدام الآخرين. فمعرفة ما يفعله الآخرون قد تلهمك في استخداماتك ومشاريعك.
3. جرّب مشاريعك واختبرها مرارًا. وإذا وجدت أنك بحاجة إلى تغيير شيء ما، فارجع ونفّذ التغيير، ثم واصل التقدم بمزيد من الاختبارات والتكرارات.

Martin Schätz باحث ومدرّس، يركز عمله على تحليل الصور الحيوية ومعالجة البيانات في المجهر متحد البؤر. ويتمثل الدافع وراء المشروع الذي يعمل عليه Martin في تحسين عملية تحليل الصور لأبحاث الأمراض المعدية ومراقبتها. ويمكنك العثور على الوثائق والتفاصيل الخاصة بمشاريع Martin الثلاثة في مستودعه على GitHub. كما أن Martin عضو في NEUBIAS، وهي منظمة تروج للأدوات الأكثر استخدامًا في التحليل العلمي للصور في علم الأحياء والمجهر، بما في ذلك نماذج التعلم العميق المدرّبة في حديقة النماذج.

نود أيضًا تسليط الضوء على حالة استخدامك لـ YOLOv5! اذكرنا على وسائل التواصل الاجتماعي باستخدام @Ultralytics و#YOLOvME، وقد نحظى بفرصة عرضها.