شرعت Theia Scientific في البحث عن نموذج رؤية الذكاء الاصطناعي من شأنه تحسين سرعة ودقة وقابلية تكرار تحليل صور الفحص المجهري.
من خلال دمج نماذج Ultralytics YOLO في منصتها، حولت Theia Scientific كيفية معالجة بيانات المجهر، مما جعل التحليل أكثر كفاءة وموثوقية.
غالبًا ما يعتمد البحث العلمي في مجالات مثل علم المواد وتكنولوجيا النانو على الجسيمات المشحونة ومسبار المسح الضوئي و المجهر البصري لاستكشاف الهياكل غير المرئية للعين البشرية. على سبيل المثال، يعد المجهر الإلكتروني النفّاذ (TEM) أداة رئيسية قادرة على التقاط التفاصيل الدقيقة على نطاق النانو والذرة.
لسوء الحظ، بمجرد الحصول على هذه الصور، يمكن أن يكون تحليلها بطيئًا ومعقدًا، وغالبًا ما يتطلب جهدًا يدويًا كبيرًا وخبرة في المجال. لتحسين هذه العملية، طورت Theia Scientific منصة Theiascope™، وهو نظام لتحليل صور المجهر في الوقت الفعلي يدمج نماذج Ultralytics YOLO لأتمتة اكتشاف الصور وتقسيمها وقياساتها الكمية، مما يجعل الفحص المجهري أسرع وأكثر كفاءة وقابلية للتكرار.
تأسست Theia Scientific على يد الأخوين كيفن وكريستوفر فيلد، وهي تطور أدوات برمجية متقدمة لتسريع أبحاث الفحص المجهري. بفضل الخبرة التي تشمل علم المواد والأتمتة الصناعية والإلكترونيات وهندسة البرمجيات، فإنهم يركزون على تقليل الاختناقات التي يواجهها العلماء والمهندسون والباحثون عند تحليل بيانات الصور المعقدة.
يقوم منتجهم الرئيسي، منصة Theiascope™، بدمج رؤية الكمبيوتر لاكتشاف وتقسيم وقياس الميزات تلقائيًا في صور المجهر الإلكتروني. من خلال الاعتماد على رؤية الذكاء الاصطناعي بدلاً من التعليقات التوضيحية والتتبع اليدوي، توفر المنصة نتائج متسقة وقابلة للتكرار.
تعتبر صور المجهر، وخاصة تلك التي يتم التقاطها باستخدام TEM، مفصلة للغاية ولكنها صعبة التفسير. تحتوي كل صورة على مئات إلى آلاف من الميزات والهياكل الدقيقة، مثل الحبوب والحدود، التي يجب تحديدها وتعليقها وتتبعها و/أو قياسها بعناية لاستخراج بيانات ذات مغزى. تقليديًا، تم ذلك يدويًا، وهو أمر بطيء ويمكن أن يختلف من شخص لآخر. قد يقوم باحثان بتعليق نفس الصورة بشكل مختلف، مما يؤدي إلى نتائج غير متناسقة وأشرطة أخطاء كبيرة.
تصبح هذه العملية أكثر تعقيدًا عند التعامل مع مجموعات بيانات كبيرة. للحصول على رؤى موثوقة، غالبًا ما يلزم تحليل آلاف الصور، الأمر الذي قد يستغرق أسابيع أو حتى أشهر باستخدام الطرق اليدوية. علاوة على ذلك، فإن الاختلافات في التباين والضوضاء والهياكل المتداخلة تجعل العملية أكثر صعوبة.
بالنسبة للباحثين الذين يهدفون إلى دراسة تطور البنية المجهرية أو تتبع التغيرات بمرور الوقت، يمكن لهذه المشكلات أن تبطئ البحث. أدركت Theia Scientific أن هذه المخاوف تتطلب حلًا أكثر آلية وموثوقية.
بعد استكشاف طرق مختلفة لأتمتة تحليل بيانات المجهر، رأت Theia Scientific أن نماذج Ultralytics YOLO توفر السرعة والدقة والمرونة اللازمة لتحليل صور المجهر في الوقت الفعلي، مما يتيح نتائج كمية فورية في المجهر بينما التجارب لا تزال جارية. تدعم نماذج Ultralytics YOLO مثل Ultralytics YOLO11 و Ultralytics YOLOv8 مهام الرؤية الحاسوبية مثل اكتشاف الكائنات (تحديد وتحديد مواقع الميزات الفردية في الصورة) وتقسيم المثيلات (تحديد كل ميزة على مستوى البكسل). تجعل هذه المهام من الممكن اكتشاف الهياكل النانوية، مثل الحبوب والحدود، مباشرة في صور TEM أثناء التقاطها.
على سبيل المثال، في دراسة حديثة حول الأغشية الرقيقة متعددة الكريستالات، تم استخدام Theiascope™ ونماذج Ultralytics YOLO لتحديد وقياس هياكل الحبوب التي تؤثر على خصائص المواد المستخدمة في الإلكترونيات والطلاءات وأجهزة الطاقة. تعد التوزيعات الدقيقة لحجم الحبوب أمرًا بالغ الأهمية لفهم كيفية تطور هذه الأغشية أثناء التجارب.
أحد الأسباب الرئيسية التي تجعل نماذج Ultralytics YOLO فعالة للغاية في حالات الاستخدام هذه هو قدرتها على الاستكمال عبر مجموعات بيانات كبيرة. بدلاً من مطالبة كل إطار في تجربة ما بأن يتم تسميته، يمكن للباحثين إضافة تعليقات توضيحية لجزء صغير فقط من الصور، وتدريب نموذج YOLO، ثم السماح له بتحليل آلاف الإطارات الإضافية بشكل موثوق. وهذا يجعل من الممكن تتبع نمو الحبوب والتغيرات الحدودية عبر تجارب TEM بفاصل زمني مع الحد الأدنى من الإدخال اليدوي.
في الدراسة التي أجريت على الأغشية الرقيقة متعددة الكريستالات والتي نوقشت سابقًا، وُجد أن Ultralytics YOLOv8 أسرع بما يصل إلى 43 مرة من U‑Net (وهو نموذج يستخدم غالبًا لتحليل الصور العلمية). هذه السرعة تجعل YOLO عمليًا للتحليل في الوقت الفعلي وعلى المجهر.
في حين أن U‑Net دقيقة ولكنها بطيئة، تجمع YOLO بين السرعة والدقة، حيث تطابق قياسات حجم الحبوب في حدود 3٪ من الحقيقة الأساسية. كما أن تصميمها يجعلها أكثر مرونة، حيث تتعامل مع المقاييس المختلفة وإعدادات التدريب بسهولة. بالنسبة للباحثين، هذا يعني نتائج أسرع دون التضحية بالموثوقية، وهو مثالي لتسريع سير عمل الفحص المجهري.
من خلال منصة Theiascope™، أظهرت Theia Scientific أن نماذج Ultralytics YOLO يمكن أن تسرع تحليل صور المجهر وتجارب TEM مع دعم البحث القابل للتكرار على المدى الطويل. تم تصميم المنصة لتكون غير مرتبطة بالمجهر، مما يعني أن نماذج YOLO تُستخدم لتحليل الصور التي تم جمعها من أدوات مختلفة دون الحاجة إلى مسارات مخصصة. تضمن هذه المرونة بقاء سير العمل متسقًا عبر التجارب والمشغلين والبيئات المتنوعة.
إمكانية التكرار هي نتيجة رئيسية أخرى. غالبًا ما يتطلب البحث العلمي إعادة النظر في النتائج والتحقق منها بعد سنوات. مع دمج نماذج YOLO المختلفة في Theiascope™، يمكن للباحثين إعادة تشغيل النماذج القديمة مثل Ultralytics YOLOv5 على مجموعات البيانات المؤرشفة والحصول على مخرجات متسقة، ثم مقارنتها مباشرةً بالنتائج من النماذج الأحدث مثل Ultralytics YOLO11. هذا يجعل التحقق من النتائج أمرًا سهلاً، حتى مع تطور طرق الذكاء الاصطناعي.
أيضًا، تمنح نماذج Ultralytics YOLO النظام الأساسي قابلية التوسع اللازمة للتعامل مع مجموعات البيانات الكبيرة. تتيح قدرات الاستدلال في الوقت الفعلي تحليل آلاف الصور TEM في الوقت الذي يستغرقه تحليل عدد قليل يدويًا. يمكّن هذا الباحثين من متابعة العمليات الديناميكية مثل نمو الحبوب عبر التجارب بأكملها، وتوليد رؤى جديدة وإطلاق العنان لتجارب جديدة على كل من النطاق والسرعة المطلوبة للبحث المتطور.
ترى Theia Scientific أن نماذج Ultralytics YOLO هي أساس لمستقبل الفحص المجهري. ومن خلال الاستمرار في تحسين أساليب التدريب وأساليب المعايرة، فإنها تهدف إلى زيادة تحسين الدقة عبر المقاييس والظروف التجريبية.
بالنظر إلى المستقبل، تخطط Theia Scientific لتوسيع Theiascope™ لدعم التجارب المعقدة والمحلية والمجموعات متعددة الوسائط. إنهم يعتقدون أنه من المحتمل أن يصبح Vision AI جزءًا قياسيًا من سير العمل البحثي من الجيل التالي، مما يتيح اكتشافًا أسرع ورؤى أعمق عبر المجالات العلمية.
هل أنت مهتم بتبسيط سير عمل شركتك؟ تحقق من مستودع GitHub الخاص بنا لمعرفة المزيد حول Vision AI. استكشف كيف تقود نماذج YOLO الابتكارات في مجالات مثل الذكاء الاصطناعي في الرعاية الصحية و رؤية الكمبيوتر في البيع بالتجزئة. للحصول على خبرة عملية مع YOLO، اكتشف كيف يمكن خيارات الترخيص الخاصة بنا أن تدعم رؤيتك.
نماذج Ultralytics YOLO هي هياكل رؤية حاسوبية تم تطويرها لتحليل البيانات المرئية من الصور ومدخلات الفيديو. يمكن تدريب هذه النماذج لمهام تشمل اكتشاف الكائنات (Object detection)، والتصنيف (classification)، وتقدير الوضعية (pose estimation)، والتتبع (tracking)، وتقسيم الحالات (instance segmentation). تتضمن نماذج Ultralytics YOLO ما يلي:
Ultralytics YOLO11 هو أحدث إصدار من نماذج الرؤية الحاسوبية الخاصة بنا. تمامًا مثل الإصدارات السابقة، فإنه يدعم جميع مهام الرؤية الحاسوبية التي أحبها مجتمع Vision AI في YOLOv8. ومع ذلك، يأتي YOLO11 الجديد بأداء ودقة أكبر، مما يجعله أداة قوية وحليفًا مثاليًا لتحديات الصناعة الواقعية.
يعتمد النموذج الذي تختاره للاستخدام على متطلبات مشروعك المحددة. من الضروري مراعاة عوامل مثل الأداء والدقة واحتياجات النشر. إليك نظرة عامة سريعة:
يتم توزيع مستودعات Ultralytics YOLO، مثل YOLOv5 و YOLO11، بموجب ترخيص AGPL-3.0 بشكل افتراضي. تم تصميم هذا الترخيص المعتمد من OSI للطلاب والباحثين والمتحمسين، وتعزيز التعاون المفتوح ويتطلب أن يكون أي برنامج يستخدم مكونات AGPL-3.0 مفتوح المصدر أيضًا. في حين أن هذا يضمن الشفافية ويعزز الابتكار، فقد لا يتماشى مع حالات الاستخدام التجاري.
إذا كان مشروعك يتضمن تضمين برامج Ultralytics ونماذج الذكاء الاصطناعي في المنتجات أو الخدمات التجارية وكنت ترغب في تجاوز متطلبات المصدر المفتوح لـ AGPL-3.0، فإن ترخيص المؤسسة مثالي.
تشمل مزايا ترخيص المؤسسة ما يلي:
لضمان التكامل السلس وتجنب قيود AGPL-3.0، اطلب ترخيص Ultralytics Enterprise باستخدام النموذج المقدم. سيساعدك فريقنا في تصميم الترخيص ليناسب احتياجاتك الخاصة.