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

هل سبق أن اضطررت إلى تقييم عدد لا يُحصى من الصور والبيانات والنتائج وما إلى ذلك؟ ولزيادة تعقيد العملية، هل سبق أن اضطررت إلى إجراء هذه التقييمات يدويًا؟ بالطبع، يستغرق ذلك وقتًا طويلًا للغاية.

بالنسبة إلى Martin Schätz، أثبت Ultralytics YOLOv5 أنه أداة مفيدة لتقليل الوقت اللازم لتحليل الصور في أبحاث الأمراض المعدية ومراقبتها. وبينما يتولى Martin عدة مهام في آن واحد، يركّز جوهر عمله على تحليل الصور الحيوية، وهو مجال يصفه بأنه «النقطة الفاصلة بين علوم الحاسوب وعلم الأحياء». أردنا معرفة المزيد عن عمل Martin في مراقبة المستعمرات وعدّها، لذلك جلسنا معه وطرحنا عليه بعض الأسئلة.

ما الذي تفعله تحديدًا باستخدام Ultralytics YOLOv5؟#

ينبع منطق Martin وراء تطبيق Ultralytics YOLOv5 في مشاريعه من الحاجة إلى أتمتة العمليات الحالية لاكتشاف الكائنات وتصنيفها وعدّها. كما يهدف Martin إلى استخدام YOLOv5 في حالات مثل تجربة التطور طويلة الأمد.

عدّ المستعمرات البكتيرية#

في المختبرات، يتولى الفنيون عادةً عدّ المستعمرات يدويًا التي تنمو على أطباق الآغار. وللأسف، قد يؤدي العد اليدوي إلى نتائج عرضة للأخطاء. ولمعالجة هذه المشكلة، استخدم Martin نظام Ultralytics YOLOv5 لأتمتة عملية العد. وقد قلّل هذا النهج بدرجة كبيرة من الأخطاء والوقت المرتبطين باكتشاف المستعمرات وتصنيفها.

اكتشاف الكائنات المجهرية وتصنيفها#

لإجراء الاختبارات في العالم المجهري، من الضروري تقييم المسحات. ولا تزال هذه العملية تُجرى في الغالب يدويًا. وكما نعلم، تكون العمليات اليدوية أكثر عرضة للأخطاء والتباين في النتائج. بالإضافة إلى ذلك، رغم وجود أدوات مناسبة لاكتشاف الكائنات ذات الأشكال المحددة، فهناك حاجة إلى أدوات أكثر تخصصًا للعدّ والتصنيف التلقائيين للكائنات المتنوعة.

اكتشاف الحياة البرية ومراقبتها#

«يسجّل زملائي الحياة البرية في الغابات والمواقع الأخرى، ويشاهدون مقاطع الفيديو عادةً يدويًا، ما يعني أنه يتعين عليهم الجلوس ومراجعة مئات المقاطع.»

مع إدراك أن البحث اليدوي عن ظهور خنزير بري أو غزال في مقطع فيديو قد يستغرق وقتًا هائلًا، عرف Martin أن اكتشاف الكائنات يمكنه بالتأكيد تحسين هذه العملية. وهنا، طُبّق Ultralytics YOLOv5، مما أتاح اكتشاف الحياة البرية بسهولة وفوريًا عند دخول حيوان إلى مجال رؤية الكاميرا.

كيف دخلت إلى عالم التعلم الآلي والذكاء الاصطناعي للرؤية؟#

خلال دراسته لدرجة الماجستير، درس Martin ما يحب أن يسميه «المناهج الكلاسيكية لتحليل الصور». وأثناء إكماله دراسته، بدأ الحديث عن التعلم العميق يزداد، وكان يُسمى آنذاك ببساطة «الشبكات الالتفافية».

خلال هذه الفترة، كان Martin يعمل على التنقيب في البيانات، التي لم تكن مفيدة كثيرًا. ورغبةً منه في التعامل مع البيانات عمليًا، اختار Martin التعمق في عالم التعلم الآلي والذكاء الاصطناعي للرؤية.

ما الذي تقترحه على من يبدأ استخدام Ultralytics YOLOv5؟#

في الوقت الحالي، قد تكون عملية تعلم ML والذكاء الاصطناعي للرؤية معقدة إلى حد كبير. وبصفته شخصًا يستخدم الذكاء الاصطناعي للرؤية منذ مدة، ذكر Martin ثلاث نقاط لأي شخص يرغب في البدء:

1. «بصفتي عالمًا، أفضل قراءة كل شيء أولًا حتى أتمكن من إعادة قراءة أي شيء لم أفهمه تمامًا في المرة الأولى.» إن اكتساب مستوى أساسي من الفهم قبل البدء في تدريب نماذجك سيجعل العملية أسهل بكثير للمبتدئين.
2. بالإضافة إلى ذلك، أشار Martin إلى أهمية دراسة حالات استخدام الآخرين. فرؤية ما يفعله الآخرون قد تلهمك في استخداماتك ومشاريعك.
3. شغّل مشاريعك واختبرها بشكل متكرر. وإذا وجدت أنك بحاجة إلى تغيير شيء ما، فارجع وأجرِ التغيير، ثم واصل التقدم بإجراء المزيد من الاختبارات والتكرارات.

Martin Schätz هو باحث يدرّس أيضًا، ويركّز على تحليل الصور الحيوية ومعالجة البيانات في الفحص المجهري متحد البؤر. ويتمثل الدافع وراء المشروع الذي يعمل عليه Martin في تحسين عملية تحليل الصور لأبحاث الأمراض المعدية ومراقبتها. يمكنك العثور على الوثائق والتفاصيل المتعلقة بمشاريع Martin الثلاثة في مستودع GitHub الخاص به. بالإضافة إلى ذلك، Martin عضو في NEUBIAS، وهي منظمة تروّج للأدوات الأكثر استخدامًا لتحليل الصور العلمية في علم الأحياء/الفحص المجهري، بما في ذلك نماذج التعلم العميق المدرّبة هذه في مستودع النماذج.

نريد أيضًا تسليط الضوء على حالة استخدامك لـ YOLOv5! اذكرنا على وسائل التواصل الاجتماعي @Ultralytics مع #YOLOvME لتحظى بفرصة الظهور.