Pixelabs erreicht mit derYOLO Ultralytics YOLO Automatisierung eine Recall-Rate von 95 %

Viele Arbeitsabläufe in Industrie, Betrieb und Forschung basieren heute noch darauf, dass Mitarbeiter Bilder manuell überprüfen, um Prozesse zu kontrollieren oder Muster zu erkennen. Mit zunehmendem Datenvolumen wird dies schnell langsam, uneinheitlich und schwer skalierbar.

Dies gilt insbesondere für Forschungsbereiche wie die Netzhautbildgebung zur Früherkennung von Alzheimer, wo das Erkennen kleiner Anzeichen in Bildern schwierig und zeitaufwendig sein kann.

Pixelabs bietet mit seiner „Pixelabs AI-Engine“ eine Lösung für dieses Problem – eine visuelle KI-Plattform, die für die Bild- und Videoanalyse in Echtzeit entwickelt wurde. Mithilfe von Computer-Vision-Modellen wie YOLO Ultralytics erleichtert die Plattform die Automatisierung visueller Arbeitsabläufe, verbessert die Konsistenz und ermöglicht eine Skalierung der Analyse.

Einsatz von Computer Vision zur Automatisierung von Arbeitsabläufen in der Praxis

Pixelabs entwickelt visuelle KI-Lösungen, die es Unternehmen ermöglichen, bestehende Prozesse mithilfe von Computer Vision zu automatisieren und zu optimieren. Das Unternehmen mit Sitz in Madrid und Niederlassungen in Barcelona und Großbritannien konzentriert sich auf die Entwicklung praktischer KI-Tools, die branchenübergreifend eingesetzt werden können.

Insbesondere ermöglicht die Plattform „Pixelabs AI-Engine“ die Echtzeit-Analyse von Bildern und Videos für Aufgaben wie Objekterkennung, Fehlererkennung, Oberflächenanalyse und optische Zeichenerkennung (OCR). Dank dieser Funktionen können Anwender visuelle Daten effizienter verarbeiten und sind weniger auf manuelle Überprüfungen angewiesen.

Die Plattform ist so konzipiert, dass sie sich in bestehende Systeme integrieren lässt, wodurch Unternehmen Computer Vision einfacher einführen können, ohne den Betriebsablauf zu stören. Dank dieser Flexibilität kann Pixelabs eine Vielzahl von Anwendungsfällen unterstützen und Lösungen an wachsende Anforderungen anpassen.

Die Herausforderungen bei der Integration und Skalierung von Computer Vision

In vielen Branchen stützt sich der tägliche Betrieb nach wie vor auf manuelle Arbeitsabläufe und eine begrenzte Automatisierung. Bediener, Ingenieure und Forscher überprüfen Bilder oft manuell, validieren Ergebnisse und verwalten Daten über verschiedene Tools hinweg. 

Dies führt dazu, dass Prozesse langsamer und schwerer zu standardisieren sind und es leichter zu Unstimmigkeiten kommt, insbesondere bei steigendem Datenvolumen. Selbst wenn Unternehmen den Einsatz von Computer Vision in Betracht ziehen, verläuft die Umstellung nicht immer reibungslos. 

Die Integration von KI in bestehende Systeme kann Änderungen an etablierten Arbeitsabläufen, neue Infrastruktur oder zusätzlichen technischen Aufwand erfordern. Aus diesem Grund lassen sich viele Lösungen im Laufe der Zeit nur schwer skalieren oder warten.

In Forschungsbereichen wie der Netzhautbildgebung zur Früherkennung von Alzheimer werden diese Herausforderungen beispielsweise noch komplexer. Forscher müssen detect kleine Merkmale detect , große Bilddatensätze verwalten und sicherstellen, dass die Ergebnisse unter verschiedenen Bedingungen konsistent bleiben.

‍

Ohne einen optimierten Ansatz für die Analyse, die Datenverwaltung und die Ergebnisausgabe wird es schwierig, diese Arbeitsabläufe zu skalieren und zuverlässige Ergebnisse zu gewährleisten.

Automatisierung der Netzhautbildanalyse mitYOLO Ultralytics

Pixelabs hat diese Herausforderungen gemeistert, indem esYOLO Ultralytics in die Pixelabs AI-Engine integriert hat. Die Plattform bildet den Kern der visuellen KI-Lösungen des Unternehmens und ermöglicht eine nahtlosere Durchführung von Bild- und Videoanalysen in Echtzeit über verschiedene Anwendungen hinweg, ohne bestehende Arbeitsabläufe zu stören.

Es unterstützt eine Vielzahl von Aufgaben, darunter Objekt- und Fehlererkennung, Oberflächen- und Texturanalyse, Farbmanagement sowie OCR. Da es hardwareunabhängig ist und für die Integration über APIs konzipiert wurde, lässt es sich in verschiedenen Umgebungen einsetzen und skalieren.

Dieser Ansatz kam kürzlich bei einer Zusammenarbeit mit dem Alzheimer-Forschungsteam des CIBIR zum Einsatz, bei der Pixelabs ein System entwickelte, das die Früherkennung von Alzheimer bei Mäusen mithilfe von Netzhautbildgebung unterstützt. Ziel war es, kleine Anzeichen wie Amyloid-beta-Ablagerungen zu identifizieren, die auf ein frühes Stadium der Erkrankung hindeuten können.

Zu diesem Zweck hat Pixelabs einen Arbeitsablauf entwickelt, der Datenspeicherung, Bildverarbeitung und eine Benutzeroberfläche miteinander verbindet. Netzhautbilder, die mit laborspezifischen Fundus-Bildgebungsgeräten aufgenommen wurden, werden zunächst über das Secure File Transfer Protocol (SFTP) übertragen und in einem zentralen System gespeichert, was die Verwaltung und den Zugriff auf große Datensätze erleichtert.

Um konsistente Ergebnisse zu gewährleisten, werden anschließend Vorverarbeitungsschritte durchgeführt, um Unterschiede in der Bildqualität und der Beleuchtung auszugleichen. Dies hilft dem System, die Genauigkeit über verschiedene Proben und Bedingungen hinweg aufrechtzuerhalten.

Die Bilder werden anschließend mithilfe von Bildverarbeitungs-KI-Modellen analysiert, darunter speziell trainierte Ultralytics YOLOv8 -Modelle. YOLOv8 mittlere und große Varianten von YOLOv8 verwendet, um ein Gleichgewicht zwischen Leistung und Genauigkeit herzustellen. 

Innerhalb dieser Pipeline werdenYOLO Ultralytics zur Objekterkennung und Bildklassifizierung eingesetzt, um kleine Bereiche von Interesse, wie beispielsweise Amyloid-beta-Ablagerungen, direkt in Netzhautbildern zu identifizieren und zu lokalisieren.

‍

Schließlich werden die Ergebnisse über eine webbasierte Plattform präsentiert, auf der Nutzer Bilder hochladen, Daten nach Merkmalen wie Alter, Geschlecht oder Phänotyp filtern und die erkannten Merkmale zusammen mit Konfidenzwerten anzeigen können. Dies erleichtert den Übergang von Rohbilddaten zu klaren, verwertbaren Erkenntnissen.

Warum dieYOLO Ultralytics ?

Für Pixelabs warenYOLO Ultralytics die ideale Lösung, da sie eine praktische und flexible Grundlage für die Entwicklung von Computer-Vision-Lösungen bieten, die sich schnell an unterschiedliche Anwendungsfälle anpassen lassen. Sie lassen sich leicht trainieren und verfeinern, sodass das Team schneller iterieren und auf neue Anforderungen reagieren kann, ohne das System neu konzipieren zu müssen.

Diese Flexibilität wirkte sich unmittelbar auf die Entwicklungsgeschwindigkeit aus. Durch den Einsatz von YOLO konnte Pixelabs seine Entwicklungszyklen beschleunigen und Lösungen schneller in die Produktion überführen, wodurch sich die Markteinführungszeit für neue Anwendungen verkürzte. Gleichzeitig lieferten die Modelle genauere und konsistentere Ergebnisse. 

Bis zu 95 % Wiederauffindungsrate bei gleichzeitiger Effizienzsteigerung

Die Integration derYOLO Ultralytics in die Pixelabs AI-Engine führte zu deutlichen Verbesserungen bei der Analyseleistung. Im Anwendungsfall der Alzheimer-Forschung erzielte das System Recall-Raten von rund 90 %, die mit fortschreitender Krankheit und zunehmender Sichtbarkeit der Indikatoren auf bis zu 95 % anstiegen.

Dadurch konnten die Forscher detect Merkmale wie Amyloid-beta-Ablagerungen in großen Bilddatensätzen zuverlässiger detect . Infolgedessen wurde die Analyse konsistenter, wodurch Schwankungen verringert wurden und sichergestellt wurde, dass wichtige Indikatoren nicht übersehen wurden.

Über diesen Anwendungsfall hinaus hat Pixelabs auch durchweg positives Feedback von Kunden erhalten, die seine Lösungen in verschiedenen Anwendungsbereichen einsetzen. Die Nutzer heben Verbesserungen bei der Abwicklung von Prozessen hervor, insbesondere in Bezug auf Effizienz und Zuverlässigkeit. 

Die Auswirkungen variieren je nach Anwendungsfall, was die Flexibilität der Plattform und ihre Fähigkeit widerspiegelt, sich an unterschiedliche betriebliche Anforderungen anzupassen. Insgesamt haben diese Verbesserungen die Verwaltung und Analyse visueller Daten in großem Umfang vereinfacht und tragen so zu zuverlässigeren Ergebnissen und effizienteren Arbeitsabläufen bei.

Förderung der visuellen KI branchenübergreifend

Pixelabs baut die Funktionen seiner visuellen KI-Plattform kontinuierlich auf neue Anwendungsfälle und Branchen aus. Aufbauend auf seinen Arbeiten im Bereich der Forschung, beispielsweise zur Erkennung von Alzheimer, konzentriert sich das Team darauf, seine Modelle zu verfeinern und die visuelle Analyse mithilfe von Technologien wieYOLO Ultralytics weiterzuentwickeln.

Durch die kontinuierliche Weiterentwicklung seiner Technologie möchte Pixelabs Unternehmen dabei unterstützen, Prozesse effektiver zu automatisieren und Computer Vision in einem breiteren Spektrum praktischer Arbeitsabläufe einzusetzen.

Möchten Sie die Arbeitsabläufe in Ihrem Unternehmen optimieren? Werfen Sie einen Blick in unser GitHub-Repository, um mehr über Vision AI zu erfahren. Entdecken Sie, wie YOLO Innovationen in Bereichen wie KI im Gesundheitswesen und Computer Vision im Einzelhandel vorantreiben. Wenn Sie YOLO selbst ausprobieren möchten, erfahren Sie hier, wie unsere Lizenzoptionen Ihr Projekt unterstützen können.