من خلال دمج نماذج Ultralytics YOLO في منصتها، غيّرت Theia Scientific طريقة معالجة بيانات الفحص المجهري، مما جعل التحليل أكثر كفاءة وموثوقية.
غالبًا ما يعتمد البحث العلمي في مجالات مثل علم المواد وتكنولوجيا النانو على الفحص المجهري بالجسيمات المشحونة والمسبار الماسح والفحص البصري لاستكشاف البنى غير المرئية بالعين البشرية. فعلى سبيل المثال، يُعد المجهر الإلكتروني النافذ (TEM) أداة أساسية قادرة على التقاط تفاصيل دقيقة على المقياسين النانوي والذري.
لسوء الحظ، قد يكون تحليل هذه الصور بعد الحصول عليها بطيئًا ومعقدًا، وغالبًا ما يتطلب جهدًا يدويًا كبيرًا وخبرة متخصصة. ولتحسين هذه العملية، طوّرت Theia Scientific منصة Theiascope™، وهي نظام لتحليل صور الفحص المجهري في الوقت الفعلي يدمج نماذج Ultralytics YOLO لأتمتة اكتشاف الصور وتقسيمها وإجراء القياسات الكمية، مما يجعل الفحص المجهري أسرع وأكثر كفاءة وقابلية للتكرار.
استكشاف دور ذكاء الرؤية الاصطناعي في التصوير العلمي#
أسس الشقيقان Kevin وChristopher Field شركة Theia Scientific التي تطوّر أدوات برمجية متقدمة لتسريع أبحاث الفحص المجهري. وبفضل خبرتهما الممتدة عبر علم المواد والأتمتة الصناعية والإلكترونيات وهندسة البرمجيات، يركّزان على تقليل الاختناقات التي يواجهها العلماء والمهندسون والباحثون عند تحليل بيانات الصور المعقدة.
يدمج منتجها الرئيسي، منصة Theiascope™، الرؤية الحاسوبية لاكتشاف السمات وتقسيمها وقياسها تلقائيًا في صور المجهر الإلكتروني. ومن خلال الاعتماد على ذكاء الرؤية الاصطناعي بدلًا من وضع التعليقات التوضيحية والتتبّع يدويًا، توفر المنصة نتائج متسقة وقابلة للتكرار.
لماذا يصعب تحليل الصور المجهرية يدويًا؟#
تتميز الصور المجهرية، ولا سيما الملتقطة باستخدام TEM، بتفاصيل دقيقة جدًا، لكن تفسيرها يمثل تحديًا. تحتوي كل صورة على مئات أو آلاف السمات والبنى الدقيقة، مثل الحبيبات والحدود، التي يجب تحديدها ووضع التعليقات التوضيحية عليها وتتبعها و/أو قياسها بعناية لاستخراج بيانات مفيدة. وتقليديًا، كانت هذه العملية تُنجز يدويًا، مما يجعلها بطيئة وقد يختلف تنفيذها من شخص إلى آخر. فقد يضع باحثان تعليقات توضيحية مختلفة للصورة نفسها، مما يؤدي إلى نتائج غير متسقة وهوامش خطأ كبيرة.
وتصبح هذه العملية أكثر تعقيدًا عند التعامل مع مجموعات بيانات كبيرة. وللحصول على استنتاجات موثوقة، غالبًا ما يلزم تحليل آلاف الصور، وقد يستغرق ذلك أسابيع أو حتى أشهر باستخدام الأساليب اليدوية. وإضافة إلى ذلك، تجعل الاختلافات في التباين والضوضاء والبنى المتداخلة العملية أكثر صعوبة.
وبالنسبة إلى الباحثين الذين يهدفون إلى دراسة تطور البنية المجهرية أو تتبّع التغيرات بمرور الوقت، يمكن لهذه المشكلات أن تبطئ البحث. وأدركت Theia Scientific أن هذه التحديات تتطلب حلًا أكثر أتمتة وموثوقية.
تحسين سير عمل الفحص المجهري باستخدام نماذج Ultralytics YOLO#
بعد استكشاف أساليب مختلفة لأتمتة تحليل بيانات الفحص المجهري، وجدت Theia Scientific أن نماذج Ultralytics YOLO توفر السرعة والدقة والمرونة اللازمة لتحليل صور الفحص المجهري في الوقت الفعلي، مما يتيح الحصول على نتائج كمية فورية عند المجهر أثناء استمرار التجارب. وتدعم نماذج Ultralytics YOLO، مثل Ultralytics YOLO11 وUltralytics YOLOv8، مهام الرؤية الحاسوبية مثل اكتشاف الكائنات (تحديد السمات الفردية في الصورة وتحديد مواقعها) وتقسيم المثيلات (رسم حدود كل سمة على مستوى البكسل). وتتيح هذه المهام اكتشاف البنى النانوية، مثل الحبيبات والحدود، مباشرةً في صور TEM أثناء التقاطها.
الشكل 1. سير العمل الحالي لتحليل الصور والبيانات المجهرية. يسعى العلماء والمهندسون والباحثون في نهاية المطاف إلى الوصول إلى الاكتشافات والإجابات في ختام سير العمل. وفي الوقت نفسه، يفتقر سير العمل إلى الترابط ويتسم بكثافة العمل، إذ يوضّح الجزء السفلي الوقت/الجهد النسبي اللازم لكل خطوة. ويُعد اكتشاف السمات وتجميعها المرحلتين الأكثر استهلاكًا للوقت في سير العمل. وتشير الأسهم الرمادية المؤدية إلى خطوة الاكتساب إلى الاضطرار إلى إعادة اكتساب البيانات لأن البيانات الحالية غير مفيدة. المصدر: Theia Scientific.
فعلى سبيل المثال، في دراسة حديثة حول الأغشية الرقيقة متعددة البلورات، استُخدمت منصة Theiascope™ ونماذج Ultralytics YOLO لتحديد بُنى الحبيبات التي تؤثر في خصائص المواد المستخدمة في الإلكترونيات والطلاءات وأجهزة الطاقة وقياسها. وتُعد توزيعات أحجام الحبيبات الدقيقة ضرورية لفهم كيفية تطور هذه الأغشية أثناء التجارب.
يتمثل أحد الأسباب الرئيسية لفاعلية نماذج Ultralytics YOLO في حالات الاستخدام هذه في قدرتها على الاستيفاء عبر مجموعات البيانات الكبيرة. فبدلًا من الحاجة إلى وضع تسمية لكل إطار في التجربة، يمكن للباحثين وضع تعليقات توضيحية على جزء صغير فقط من الصور، وتدريب نموذج YOLO، ثم تركه يحلل آلاف الإطارات الإضافية بموثوقية. ويتيح ذلك تتبّع نمو الحبيبات وتغيرات الحدود عبر تجارب TEM المتتابعة زمنيًا مع حد أدنى من الإدخال اليدوي.
لماذا اختيار نماذج Ultralytics YOLO؟#
في الدراسة التي نوقشت سابقًا حول الأغشية الرقيقة متعددة البلورات، تبيّن أن Ultralytics YOLOv8 أسرع بما يصل إلى 43 مرة من U‑Net (وهو نموذج يُستخدم غالبًا لتحليل الصور العلمية). وتجعل هذه السرعة YOLO عمليًا للتحليل في الوقت الفعلي عند المجهر.
في حين أن U‑Net دقيق لكنه بطيء، يجمع YOLO بين السرعة والدقة، إذ تطابق قياسات حجم الحبيبات الحقيقةَ المرجعية ضمن نسبة 3%. كما يجعل تصميمه أكثر مرونة، إذ يتعامل بسهولة مع المقاييس المختلفة وإعدادات التدريب المتنوعة. وبالنسبة إلى الباحثين، يعني ذلك الحصول على نتائج أسرع من دون التضحية بالموثوقية، وهو أمر مثالي لتسريع سير عمل الفحص المجهري.
الشكل 2. بالمقارنة مع التتبّع اليدوي (b) وU‑Net (c)، يوفر تقسيم YOLOv8 (d) حدودًا أوضح وأكثر دقة في الصور المجهرية. (المصدر)
الحد من التحيز وتعزيز الاتساق في الفحص المجهري باستخدام YOLO#
من خلال منصة Theiascope™، أثبتت Theia Scientific أن نماذج Ultralytics YOLO يمكنها تسريع تحليل الصور المجهرية وتجارب TEM مع دعم الأبحاث القابلة للتكرار وطويلة الأمد. صُممت المنصة لتكون مستقلة عن نوع المجهر، ما يعني استخدام نماذج YOLO لتحليل الصور المجمعة من أجهزة مختلفة من دون الحاجة إلى مسارات معالجة مخصصة. وتضمن هذه المرونة اتساق سير العمل عبر التجارب والمشغّلين والبيئات المتنوعة.
تُعد قابلية التكرار نتيجة رئيسية أخرى. فغالبًا ما يتطلب البحث العلمي إعادة النظر في النتائج والتحقق منها بعد سنوات. ومع دمج نماذج YOLO متنوعة في Theiascope™، يمكن للباحثين إعادة تشغيل نماذج أقدم مثل Ultralytics YOLOv5 على مجموعات البيانات المؤرشفة والحصول على مخرجات متسقة، ثم مقارنتها مباشرةً بالنتائج الصادرة عن نماذج أحدث مثل Ultralytics YOLO11. ويجعل ذلك التحقق من النتائج أمرًا مباشرًا، حتى مع تطور أساليب الذكاء الاصطناعي.
الشكل 3. منصة Theiascope™. تُلتقط صور المجهر الإلكتروني وتُبث من حاسوب الاكتساب إلى جهاز مزود بوحدة GPU ويشغّل تطبيق ويب وقاعدة بيانات للسلاسل الزمنية ونماذج Ultralytics YOLO. ويمكن دفع التحديثات ونماذج Ultralytics YOLO الجديدة إلى المنصة عبر تحديثات OTA. المصدر: Theia Scientific.
كما تمنح نماذج Ultralytics YOLO المنصة قابلية التوسع اللازمة للتعامل مع مجموعات البيانات الكبيرة. وتتيح قدراتها على الاستدلال في الوقت الفعلي تحليل آلاف صور TEM في الوقت الذي يستغرقه تحليل بضع صور فقط يدويًا. ويمكّن ذلك الباحثين من متابعة العمليات الديناميكية، مثل نمو الحبيبات، عبر التجارب بأكملها، مما يولّد رؤى جديدة ويفتح المجال أمام تجارب مبتكرة بالحجم والسرعة اللازمين للبحوث المتطورة.
دمج ذكاء الرؤية الاصطناعي المتقدم في أدوات أبحاث الجيل التالي#
ترى Theia Scientific أن نماذج Ultralytics YOLO تمثل أساس مستقبل الفحص المجهري. ومن خلال مواصلة تحسين أساليب التدريب ومناهج المعايرة، تهدف الشركة إلى تحسين الدقة عبر المقاييس والظروف التجريبية المختلفة.
تعتزم Theia Scientific مستقبلًا توسيع نطاق Theiascope™ لدعم التجارب المعقدة داخل الموقع ومجموعات البيانات متعددة الأنماط. وتعتقد الشركة أن من المرجح أن يصبح ذكاء الرؤية الاصطناعي جزءًا أساسيًا من سير عمل الأبحاث من الجيل التالي، مما يتيح اكتشافات أسرع ورؤى أعمق عبر المجالات العلمية.
هل ترغب في تبسيط سير عمل شركتك؟ اطّلع على مستودع GitHub لمعرفة المزيد عن ذكاء الرؤية الاصطناعي. واستكشف كيف تُحدث نماذج YOLO ابتكارات في مجالات مثل الذكاء الاصطناعي في الرعاية الصحية والرؤية الحاسوبية في قطاع التجزئة. وللتجربة العملية باستخدام YOLO، تعرّف على كيفية دعم خيارات الترخيص لدينا لرؤيتك.
