YOLOvME: عدّ المستعمرات، وتقييم المسحات، والكشف عن الحياة البرية

هل اضطررت يوماً إلى تقييم عدد لا يحصى من الصور والبيانات والنتائج، وما إلى ذلك؟ ولجعل العملية أكثر تعقيداً، هل سبق لك أن اضطررت للقيام بهذه التقييمات يدوياً؟ بالطبع، الأمر يستغرق وقتاً طويلاً جداً.

بالنسبة لـ Martin Schätz، أثبت YOLOv5 أنه أداة مفيدة في تقليل الوقت اللازم لتحليل الصور في أبحاث ورصد الأمراض المعدية. في حين يقوم Martin بمهام متعددة، يركز جوهر عمله على تحليل الصور الحيوية، وهو قطاع يصفه بأنه "نقطة الالتقاء بين علوم الحاسوب وعلم الأحياء". أردنا معرفة المزيد عن عمل Martin في مجال رصد وعد المستعمرات، لذا جلسنا معه وطرحنا عليه بضعة أسئلة.

Link to this sectionما الذي تفعله بالضبط باستخدام YOLOv5؟#

ينبع منطق Martin وراء تنفيذ YOLOv5 لمشاريعنا من الحاجة إلى أتمتة العمليات الحالية للكشف عن الكائنات وتصنيفها وعدها. يهدف Martin أيضاً إلى استخدام YOLOv5 في حالات مثل تجربة التطور طويل الأمد.

Link to this sectionعد المستعمرات البكتيرية#

في المختبرات، يتم عادة عد المستعمرات البكتيرية التي تنمو على أطباق أجار يدوياً بواسطة الفنيين. وللأسف، يمكن أن يؤدي العد اليدوي إلى نتائج عرضة للأخطاء. ولمعالجة هذه المشكلة، استخدم Martin أداة YOLOv5 لأتمتة عملية العد. وقد ساهم هذا النهج في تقليل الأخطاء والوقت المرتبط بالكشف عن المستعمرات وتصنيفها بشكل كبير.

Link to this sectionالكشف عن الكائنات المجهرية وتصنيفها#

لإجراء اختبارات في العالم المجهري، من الضروري تقييم المسحات. ولا تزال هذه العملية تتم يدوياً في الغالب. وكما نعلم، فإن العمليات اليدوية أكثر عرضة للأخطاء وتباين النتائج. بالإضافة إلى ذلك، بينما توجد أدوات مناسبة للكشف عن كائنات ذات أشكال محددة، هناك حاجة إلى أدوات أكثر تخصصاً للعد والتصنيف الآلي لمختلف الكائنات.

Link to this sectionرصد ومراقبة الحياة البرية#

"يسجل زملائي الحياة البرية في الغابات ومواقع أخرى، وعادة ما يراجعون مقاطع الفيديو يدوياً، مما يعني أنهم يضطرون للجلوس ومراجعة مئات مقاطع الفيديو."

مع الأخذ في الاعتبار أن البحث يدوياً عن حالة ظهور خنزير بري أو غزال في مقطع فيديو قد يستغرق وقتاً طويلاً للغاية، أدرك Martin أن الكشف عن الكائنات يمكن أن يحسن هذه العملية بالتأكيد. هنا، تم تنفيذ YOLOv5 للسماح بالكشف عن الحياة البرية بسهولة وفورية بمجرد دخول الحيوان في مجال رؤية الكاميرا.

Link to this sectionكيف دخلت إلى عالم تعلم الآلة وذكاء الرؤية الاصطناعي؟#

خلال دراسة الماجستير، درس Martin ما يحب أن يسميه "النهج الكلاسيكية لتحليل الصور". وأثناء إنهاء دراسته، بدأ الحديث يكثر عن التعلم العميق، والذي كان يطلق عليه في ذلك الوقت مجرد "الشبكات التلافيفية".

خلال هذه الفترة، كان Martin يعمل على استخراج البيانات، وهي بيانات لم تكن قابلة للاستخدام بشكل كبير. ورغبة منه في التعامل المباشر مع البيانات، اختار Martin الغوص في عالم تعلم الآلة وذكاء الرؤية الاصطناعي.

Link to this sectionما الذي تقترحه لشخص يبدأ في استخدام YOLOv5؟#

في الوقت الحالي، يمكن أن تكون عملية تعلم تعلم الآلة وذكاء الرؤية الاصطناعي معقدة للغاية. وباعتباره شخصاً يستخدم ذكاء الرؤية الاصطناعي منذ فترة، ذكر Martin ثلاث نقاط لأي شخص يتطلع للبدء:

1. "بصفتي عالماً، أفضل قراءة كل شيء أولاً حتى أتمكن من إعادة قراءة أي شيء لا أفهمه تماماً في المرة الأولى". إن اكتساب مستوى أساسي من الفهم قبل الغوص في تدريب نماذجك سيجعل العملية أسهل بكثير للمبتدئين.
2. بالإضافة إلى ذلك، أشار Martin إلى فائدة دراسة حالات استخدام الآخرين. فمشاهدة ما يفعله الآخرون يمكن أن يلهمك لاستخداماتك ومشاريعك الخاصة.
3. قم بتشغيل واختبار مشاريعك بشكل متكرر. إذا وجدت أنك بحاجة إلى تغيير شيء ما، فعد للوراء وقم بإجراء التغيير، وتابع المضي قدماً بمزيد من الاختبارات والتكرارات.

Martin Schätz هو باحث يقوم أيضاً بالتدريس مع التركيز على تحليل الصور الحيوية ومعالجة البيانات في الفحص المجهري متحد البؤر. الدافع وراء المشروع الذي يعمل عليه Martin هو تحسين عملية تحليل الصور لأبحاث ومراقبة الأمراض المعدية. يمكنك العثور على التوثيق والتفاصيل الخاصة بمشاريع Martin الثلاثة على مستودعه في GitHub. بالإضافة إلى ذلك، يعد Martin جزءاً من NEUBIAS، وهي منظمة تروج للأدوات الأكثر استخداماً لتحليل الصور العلمية في علم الأحياء/المجهر، بما في ذلك نماذج التعلم العميق المدربة هذه في معرض النماذج.

نريد تسليط الضوء على حالة استخدامك لـ YOLOv5 أيضاً! قم بالإشارة إلينا على وسائل التواصل الاجتماعي عبر @Ultralytics باستخدام #YOLOvME للحصول على فرصة ليتم عرض مشروعك.