YOLOvME: إحصاء المستعمرات وتقييم المسحة والكشف عن الحياة البرية

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 المستعمرات البكتيرية

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 برنامج YOLOv5 لأتمتة عملية العد. وقد قلل هذا النهج إلى حد كبير من الخطأ والوقت المرتبط باكتشاف المستعمرات وتصنيفها.

الكشف عن الأجسام المجهرية وتصنيفها

لإجراء الاختبارات في العالم المجهري، من الضروري تقييم المسحات. ولا تزال هذه العملية تتم في الغالب يدوياً. وكما نعلم، فإن العمليات اليدوية أكثر عرضة للخطأ والتباين في النتائج. بالإضافة إلى ذلك، على الرغم من وجود أدوات مناسبة للكشف عن الأجسام ذات الأشكال المحددة، إلا أنه لا توجد أدوات أكثر تخصصاً للعد والتصنيف التلقائي للأجسام المختلفة.

الكشف عن الحياة البرية ومراقبتها

"يقوم زملائي بتسجيل الحياة البرية في الغابات وغيرها من المواقع، وعادةً ما يقومون بتسجيل 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 إلى عالم التعلم الآلي والذكاء الاصطناعي البصري؟

بالنسبة لدرجة الماجستير، درس مارتن ما يحب أن يطلق عليه "المناهج الكلاسيكية لتحليل الصور". وأثناء حصوله على شهادته، كان الحديث عن التعلّم العميق يتزايد أكثر فأكثر، والذي كان يُطلق عليه في ذلك الوقت "الشبكات التلافيفية".

خلال هذه الفترة، كان مارتن يعمل على استخراج البيانات، والتي لم تكن قابلة للاستخدام بشكل كبير. ورغبةً منه في أن يكون قادراً على التعامل مع البيانات، اختار مارتن الغوص في عالم التعلم الآلي والذكاء الاصطناعي البصري.

ما الذي تقترحه لشخص يبدأ في استخدام YOLOv5؟

في الوقت الحالي، يمكن أن تكون عملية تعلم التعلم الآلي والذكاء الاصطناعي للرؤية معقدة للغاية. بصفته شخصًا يستخدم الذكاء الاصطناعي للرؤية منذ بعض الوقت، ذكر مارتن ثلاث نقاط لأي شخص يتطلع إلى البدء:

1. "كعالم، أفضل أن أقرأ كل شيء أولاً حتى أتمكن من إعادة قراءة أي شيء لم أفهمه بالكامل في المرة الأولى." إن اكتساب مستوى أساسي من الفهم قبل الغوص في تدريب نماذجك سيجعل العملية أسهل بكثير للمبتدئين.
2. بالإضافة إلى ذلك، أشار مارتن إلى فائدة دراسة حالات استخدام الآخرين. فرؤية ما يفعله الآخرون يمكن أن يلهمك لاستخداماتك ومشاريعك.
3. كرر تشغيل واختبار مشاريعك بشكل متكرر. إذا وجدت أنك بحاجة إلى تغيير شيء ما، فارجع وقم بإجراء التغيير، واستمر في المضي قدمًا بمزيد 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.