من خلال دمج نماذج Ultralytics YOLO في منصتها، أحدثت Theia Scientific تحولًا في معالجة بيانات المجهر، وجعلت التحليل أكثر كفاءة وموثوقية.
غالبًا ما تعتمد الأبحاث العلمية في مجالات مثل علم المواد وتقنية النانو على المجهر بالجسيمات المشحونة والمجهر الماسح بالمسبار والمجهر الضوئي لاستكشاف بُنى لا تراها العين المجردة. ويُعد المجهر الإلكتروني النافذ (TEM)، على سبيل المثال، أداة أساسية قادرة على التقاط تفاصيل دقيقة على المقياسين النانوي والذري.
وللأسف، قد يكون تحليل هذه الصور بعد التقاطها بطيئًا ومعقدًا، وغالبًا ما يتطلب جهدًا يدويًا كبيرًا وخبرة تخصصية. ولتحسين هذه العملية، طورت Theia Scientific منصة Theiascope™، وهي نظام لتحليل صور المجهر في الوقت الفعلي يدمج نماذج Ultralytics YOLO لأتمتة اكتشاف الصور وتجزئتها وإجراء القياسات الكمية، ما يجعل الفحص المجهري أسرع وأكثر كفاءة وقابلية لإعادة الإنتاج.
استكشاف دور ذكاء الرؤية الاصطناعي في التصوير العلمي#
أسس الشقيقان كيفن وكريستوفر فيلد شركة Theia Scientific، التي تطور أدوات برمجية متقدمة لتسريع أبحاث الفحص المجهري. وبفضل خبرتهما في علم المواد والأتمتة الصناعية والإلكترونيات وهندسة البرمجيات، يركزان على تقليل الاختناقات التي تواجه العلماء والمهندسين والباحثين عند تحليل بيانات الصور المعقدة.
يدمج المنتج الرئيسي للشركة، منصة Theiascope™، الرؤية الحاسوبية لاكتشاف السمات في صور المجهر الإلكتروني وتجزئتها وقياسها تلقائيًا. ومن خلال الاعتماد على ذكاء الرؤية الاصطناعي بدلًا من التعليق والتتبع اليدويين، توفر المنصة نتائج متسقة وقابلة لإعادة الإنتاج.
لماذا يصعب تحليل صور المجهر يدويًا؟#
تتميز صور المجهر، ولا سيما الصور الملتقطة باستخدام TEM، بتفاصيل دقيقة للغاية، لكن تفسيرها صعب. إذ تحتوي كل صورة على مئات إلى آلاف السمات والبنى الدقيقة، مثل الحبيبات والحدود، التي يجب تحديدها والتعليق عليها وتتبعها و/أو قياسها بعناية لاستخراج بيانات مفيدة. وقد أُنجز ذلك تقليديًا يدويًا، وهي عملية بطيئة وقد تختلف من شخص إلى آخر. فقد يعلّق باحثان على الصورة نفسها بطريقتين مختلفتين، ما يؤدي إلى نتائج غير متسقة وهوامش خطأ كبيرة.
وتزداد هذه العملية تعقيدًا عند التعامل مع مجموعات بيانات كبيرة. وللحصول على رؤى موثوقة، غالبًا ما يلزم تحليل آلاف الصور، وقد يستغرق ذلك أسابيع أو حتى أشهر بالأساليب اليدوية. كما تزيد الاختلافات في التباين والضوضاء وتداخل البنى من صعوبة العملية.
وقد تؤدي هذه المشكلات إلى إبطاء الأبحاث التي تهدف إلى دراسة تطور البنى المجهرية أو تتبع التغيرات بمرور الوقت. 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 المجهر، تبيّن لـ Theia Scientific أن نماذج Ultralytics YOLO توفر السرعة والدقة والمرونة اللازمة لتحليل صور المجهر في الوقت الفعلي، ما يتيح الحصول على نتائج كمية فورية عند المجهر بينما لا تزال التجارب جارية. تدعم نماذج Ultralytics YOLO، مثل Ultralytics YOLO11 وUltralytics YOLOv8، مهام الرؤية الحاسوبية مثل اكتشاف الكائنات (تحديد السمات الفردية في الصورة وتحديد مواقعها) وتقسيم الكائنات الفردية (رسم حدود كل سمة على مستوى البكسل). وتتيح هذه المهام اكتشاف البنى النانوية، مثل الحبيبات والحدود، مباشرةً في صور المجهر الإلكتروني النافذ (TEM) أثناء التقاطها.
الشكل 1. سير العمل الحالي لتحليل صور المجهر وبياناتها. يسعى العلماء والمهندسون والباحثون في نهاية المطاف إلى الاكتشاف والوصول إلى الإجابات. وفي الوقت نفسه، يتسم سير العمل بالتشتت وكثرة الجهد، ويُبيّن أسفل الشكل الوقت والجهد النسبيين اللازمين لكل خطوة. ويُعد اكتشاف السمات وتجميعها المرحلتين الأكثر استهلاكًا للوقت في سير العمل. وتشير الأسهم الرمادية العائدة إلى مرحلة الاقتناء إلى ضرورة إعادة اقتناء البيانات لأن البيانات الحالية غير مفيدة. المصدر: Theia Scientific.
فعلى سبيل المثال، استُخدمت منصة Theiascope™ ونماذج Ultralytics YOLO في دراسة حديثة عن الأغشية الرقيقة متعددة البلورات لتحديد البنى الحبيبية وقياسها، وهي البنى التي تؤثر في خصائص المواد المستخدمة في الإلكترونيات والطلاءات وأجهزة الطاقة. وتُعد التوزيعات الدقيقة لأحجام الحبيبات أساسية لفهم كيفية تطور هذه الأغشية خلال التجارب.
من الأسباب الرئيسية لفعالية نماذج Ultralytics YOLO في حالات الاستخدام هذه قدرتها على الاستيفاء عبر مجموعات البيانات الكبيرة. فبدلًا من اشتراط تسمية كل إطار في التجربة، يمكن للباحثين إضافة تعليقات توضيحية إلى نسبة صغيرة من الصور فحسب، وتدريب نموذج YOLO، ثم تركه يحلل آلاف الإطارات الإضافية بموثوقية. ويتيح ذلك تتبّع نمو الحبيبات وتغيرات الحدود عبر تجارب المجهر الإلكتروني النافذ المتتابعة زمنيًا، مع الحد الأدنى من الإدخال اليدوي.
لماذا اختيار نماذج Ultralytics YOLO؟#
في الدراسة المذكورة 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 الفوري عند المجهر.
يتميز U-Net بالدقة لكنه بطيء، بينما يجمع YOLO بين السرعة والدقة، إذ لا تتجاوز الفروق بين قياسات أحجام الحبيبات والقيم المرجعية 3%. كما يمنحه تصميمه مرونة أكبر، إذ يتعامل بسهولة مع المقاييس وإعدادات التدريب المختلفة. وهذا يعني للباحثين الحصول على نتائج أسرع دون التضحية بالموثوقية، وهو ما يجعله مثاليًا لتسريع سير عمل المجهر.
الشكل 2. مقارنةً بالتحديد اليدوي (b) وU-Net (c)، يقدم تقسيم YOLOv8 (d) حدودًا أوضح وأكثر دقة في الصور المجهرية. (المصدر)
الحد من التحيز وتعزيز الاتساق في الفحص المجهري باستخدام YOLO#
أوضحت Theia Scientific، من خلال منصة Theiascope™، أن نماذج Ultralytics YOLO قادرة على تسريع تحليل الصور المجهرية وتجارب المجهر الإلكتروني النافذ، مع دعم الأبحاث القابلة لإعادة الإنتاج على المدى الطويل. صُممت المنصة لتعمل مع مختلف أنواع المجاهر، أي إن نماذج YOLO تُستخدم لتحليل الصور الملتقطة بأجهزة مختلفة دون الحاجة إلى مسارات معالجة مخصصة. وتضمن هذه المرونة اتساق سير العمل عبر التجارب والمشغّلين والبيئات المتنوعة.
وتُعد قابلية إعادة الإنتاج نتيجة أساسية أخرى. فكثيرًا ما تتطلب الأبحاث العلمية إعادة النظر في النتائج والتحقق منها بعد سنوات. ومع دمج نماذج YOLO المتنوعة في Theiascope™، يستطيع الباحثون إعادة تشغيل نماذج أقدم مثل Ultralytics YOLOv5 على مجموعات البيانات المؤرشفة والحصول على مخرجات متسقة، ثم مقارنتها مباشرةً بنتائج نماذج أحدث مثل Ultralytics YOLO11. وهذا يجعل التحقق من النتائج أمرًا مباشرًا، حتى مع تطور أساليب الذكاء الاصطناعي.
الشكل 3. منصة Theiascope™. تُلتقط صور المجهر الإلكتروني وتُبث من حاسوب الاقتناء إلى جهاز مزود بوحدة GPU يشغّل تطبيق ويب وقاعدة بيانات للسلاسل الزمنية ونماذج Ultralytics YOLO. ويمكن إرسال 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 إمكانات الاستدلال في الوقت الفعلي تحليل آلاف صور المجهر الإلكتروني النافذ في الوقت اللازم لتحليل بضع صور يدويًا فحسب. وهذا يمكّن الباحثين من متابعة العمليات الديناميكية، مثل نمو الحبيبات، عبر التجارب بأكملها، وتوليد رؤى جديدة وإتاحة تجارب مبتكرة بالنطاق والسرعة اللازمين للأبحاث المتطورة.
دمج الذكاء الاصطناعي البصري المتقدم في أدوات الأبحاث من الجيل التالي#
ترى Theia Scientific أن نماذج Ultralytics YOLO تشكل أساس مستقبل الفحص المجهري. ومن خلال مواصلة تحسين أساليب التدريب ونهج المعايرة، تهدف الشركة إلى تعزيز الدقة عبر المقاييس والظروف التجريبية المختلفة.
تخطط Theia Scientific للمضي قدمًا في توسيع نطاق Theiascope™ لدعم التجارب الأكثر تعقيدًا التي تُجرى في الموقع ومجموعات البيانات متعددة الأنماط. وترى الشركة أن الذكاء الاصطناعي البصري سيصبح على الأرجح جزءًا أساسيًا من سير عمل الأبحاث من الجيل التالي، ما يتيح اكتشافات أسرع ورؤى أعمق في مختلف المجالات العلمية.
هل ترغب في تبسيط سير العمل في شركتك؟ اطّلع على مستودع GitHub لمعرفة المزيد عن الذكاء الاصطناعي البصري. اكتشف كيف تقود نماذج YOLO الابتكار في مجالات مثل الذكاء الاصطناعي في الرعاية الصحية والرؤية الحاسوبية في تجارة التجزئة. وللتعامل عمليًا مع YOLO، تعرّف على كيفية دعم خيارات الترخيص لدينا لرؤيتك.
بقلم
منشئ محتوى · Ultralytics
