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 تقليل الوقت اللازم لتحليل الصور المتضمن في أبحاث ومراقبة الأمراض المعدية. في حين أن مارتن يقوم بعدة وظائف في وظيفة واحدة، إلا أن جوهر عمله يركز على تحليل الصور الحيوية، وهو قطاع يصفه بأنه "النقطة بين علوم الكمبيوتر وعلم الأحياء". أردنا معرفة المزيد عن عمل مارتن في مراقبة المستعمرات وعدها، لذلك جلسنا وسألناه بعض الأسئلة.

ما الذي تفعله بالضبط بـ YOLOv5؟

ينبع منطق مارتن وراء تطبيق YOLOv5 لمشاريعه من الحاجة إلى أتمتة العمليات الحالية لاكتشاف الكائنات وتصنيفها وعدها. يهدف مارتن أيضًا إلى استخدام YOLOv5 لحالات مثل تجربة التطور طويل الأجل.

عد مستعمرات البكتيريا

في المختبرات، عادةً ما يتم عد المستعمرات البكتيرية التي تنمو على أطباق الأغار يدويًا بواسطة الفنيين. لسوء الحظ، يمكن أن يؤدي العد اليدوي إلى نتائج عرضة للخطأ. لمعالجة هذه المشكلة، استخدم مارتن YOLOv5 لأتمتة عملية العد. لقد قلل هذا النهج بشكل كبير من الخطأ والوقت المرتبطين باكتشاف وتصنيف المستعمرات.

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 حالة وجود خنزير بري أو غزال في مقطع فيديو يمكن أن يستغرق وقتًا باهظًا، علم مارتن أن الكشف عن الكائنات يمكن أن يحسن هذه العملية بالتأكيد. هنا، تم تنفيذ YOLOv5 مما يسمح بالكشف عن الحياة البرية بسهولة وفورية عندما يدخل حيوان 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.

ماذا تقترح لشخص يبدأ العمل بـ 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 هو باحث يقوم أيضًا بالتدريس مع التركيز على تحليل الصور الحيوية ومعالجة البيانات في المجهر 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، مارتن هو جزء من NEUBIAS، وهي منظمة تروج للأدوات الأكثر استخدامًا لتحليل الصور العلمية في علم الأحياء/المجهر، بما في ذلك نماذج التعلم العميق المدربة هذه في Model Zoo.

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