YOLOvME: عد المستعمرات، وتقييم اللطاخة، واكتشاف الحياة البرية

هل سبق لك أن اضطررت إلى تقييم عدد لا يحصى من الصور والبيانات والنتائج وما إلى ذلك؟ ولجعل العملية أكثر تعقيدًا، هل سبق لك أن اضطررت إلى إجراء هذه التقييمات يدويًا؟ بالطبع، هذا يستغرق وقتًا طويلاً بشكل لا يصدق.

بالنسبة لمارتن شاتز، أثبت YOLOv5 أنه أداة مفيدة في اختصار الوقت اللازم لتحليل الصور التي ينطوي عليها تحليل الصور في أبحاث الأمراض المعدية ومراقبتها. في حين أن مارتن يقوم بعدة وظائف في وظيفة واحدة، إلا أن جوهر عمله يركز على تحليل الصور البيولوجية، وهو قطاع يصفه بأنه "النقطة الفاصلة بين علوم الكمبيوتر وعلم الأحياء". أردنا معرفة المزيد عن عمل مارتن في مجال رصد المستعمرات وإحصائها، لذلك جلسنا معه وطرحنا عليه بعض الأسئلة.

ماذا تفعل بالضبط مع YOLOv5

ينبع منطق مارتن وراء تنفيذ YOLOv5 لمشاريعه من الحاجة إلى أتمتة العمليات الحالية لاكتشاف الأجسام وتصنيفها وعدّها. يهدف مارتن أيضًا إلى استخدام YOLOv5 في حالات مثل تجربة التطور طويل الأمد.

عد مستعمرات البكتيريا

في المختبرات، عادةً ما يتم عد المستعمرات البكتيرية المزروعة على ألواح الآجار يدوياً بواسطة الفنيين. ولسوء الحظ، يمكن أن يؤدي العد اليدوي إلى نتائج معرضة للخطأ. ولمعالجة هذه المشكلة، استخدم مارتن YOLOv5 لأتمتة عملية العد. وقد قلل هذا النهج إلى حد كبير من الخطأ والوقت المرتبط باكتشاف المستعمرات وتصنيفها.

اكتشاف وتصنيف الأجسام المجهرية

لإجراء اختبارات في العالم المجهري، من الضروري تقييم اللطاخة. لا تزال هذه العملية تتم يدويًا في الغالب. وكما نعلم، فإن العمليات اليدوية أكثر عرضة للخطأ والتباين في النتائج. بالإضافة إلى ذلك، في حين توجد أدوات مناسبة للكشف عن الكائنات ذات الأشكال المحددة، إلا أن هناك حاجة إلى أدوات أكثر تخصصًا للعد والتصنيف التلقائيين للكائنات المختلفة.

اكتشاف الحياة البرية ومراقبتها

يسجل زملائي الحياة البرية في الغابات ومواقع أخرى وعادة ما يقومون بتشغيل مقاطع الفيديو يدويًا، مما يعني أنه يتعين عليهم الجلوس وتشغيل مئات مقاطع الفيديو.”

مع الأخذ في الاعتبار أن البحث يدويًا عن مثيل لخنزير بري أو غزال في مقطع فيديو قد يستغرق وقتًا طويلاً، أدرك مارتن أن اكتشاف الكائنات يمكن أن يحسّن هذه العملية بالتأكيد. وهنا، تم تطبيق YOLOv5 الذي يسمح باكتشاف الحياة البرية بسهولة وفوراً عند دخول حيوان ما إلى خط رؤية الكاميرا.

كيف دخلت عالم تعلم الآلة ورؤية الذكاء الاصطناعي؟

درس مارتن للحصول على درجة الماجستير ما يحب أن يسميه "المناهج الكلاسيكية لتحليل الصور". أثناء الانتهاء من شهادته، كان الحديث عن التعلم العميق يزداد أكثر فأكثر، والذي كان يسمى في ذلك الوقت "الشبكات التلافيفية".

خلال هذه الفترة، كان مارتن يعمل على استخراج البيانات، والتي لم تكن قابلة للاستخدام بدرجة كبيرة. رغبة منه في أن يكون قادرًا على العمل بيديه مع البيانات، اختار مارتن الغوص في عالم التعلم الآلي والرؤية بالذكاء الاصطناعي.

ما الذي تقترحه لشخص يبدأ في استخدام YOLOv5

في الوقت الحالي، يمكن أن تكون عملية تعلم الذكاء الاصطناعي للآلة والرؤية معقدة للغاية. ذكر مارتن، بصفته شخصًا يستخدم الرؤية الاصطناعية لبعض الوقت، ثلاث نقاط لأي شخص يتطلع إلى البدء:

1. بصفتي عالمًا، أفضّل قراءة كل شيء أولاً حتى أتمكن من إعادة قراءة أي شيء لا أفهمه تمامًا في المرة الأولى.” إن اكتساب مستوى أساسي من الفهم قبل الغوص في تدريب النماذج الخاصة بك سيجعل العملية أسهل بكثير للمبتدئين.
2. بالإضافة إلى ذلك، أشار مارتن إلى فائدة دراسة حالات استخدام الآخرين. إن رؤية ما يفعله الآخرون يمكن أن يلهمك لاستخداماتك ومشاريعك.
3. قم بتشغيل واختبار مشاريعك بشكل متكرر. إذا وجدت أنك بحاجة إلى تغيير شيء ما، فارجع وقم بإجراء التغيير، واستمر في المضي قدمًا مع المزيد من الاختبارات والتكرارات.

مارتن شاتز باحث يدرّس أيضًا مع التركيز على تحليل الصور الحيوية ومعالجة البيانات في الفحص المجهري متحد البؤر. الدافع وراء المشروع الذي يعمل عليه مارتن هو تحسين عملية تحليل الصور لأبحاث الأمراض المعدية ومراقبتها. يمكنك العثور على الوثائق والتفاصيل وراء مشاريع مارتن الثلاثة على مستودع GitHub الخاص به. بالإضافة إلى ذلك، يعد مارتن جزءًا من NEUBIASوهي منظمة تروج للأدوات الأكثر استخدامًا لتحليل الصور العلمية في علم الأحياء/الفحص المجهري، بما في ذلك نماذج التعلم العميق المدربة في نموذج حديقة الحيوان.

نريد تسليط الضوء على حالة استخدام YOLOv5 الخاصة بك أيضًا! ضع علامة لنا على وسائل التواصل الاجتماعي Ultralytics مع #YOLOvME للحصول على فرصة للظهور.