YOLOvME: recuento de colonias, evaluación de frotis y detección de fauna

¿Alguna vez has tenido que evaluar innumerables imágenes, datos, resultados, etc.? Y, para complicar aún más el proceso, ¿has tenido que hacer esas evaluaciones manualmente? Como es lógico, lleva muchísimo tiempo.

Para Martin Schätz, Ultralytics YOLOv5 resultó ser una herramienta útil para reducir el tiempo necesario para el análisis de imágenes en la investigación y supervisión de enfermedades infecciosas. Aunque Martin desempeña varias funciones a la vez, su trabajo se centra principalmente en el análisis de bioimágenes, un sector que describe como «el punto de encuentro entre la informática y la biología». Queríamos saber más sobre el trabajo de Martin en la supervisión y el recuento de colonias, así que nos sentamos con él para hacerle algunas preguntas.

¿Qué haces exactamente con Ultralytics YOLOv5?#

Martin decidió implementar Ultralytics YOLOv5 en sus proyectos por la necesidad de automatizar los procesos existentes de detección, clasificación y recuento de objetos. También pretende utilizar YOLOv5 en casos como el Experimento de Evolución a Largo Plazo.

Recuento de colonias bacterianas#

En los laboratorios, los técnicos suelen contar manualmente las colonias bacterianas que crecen en placas de agar. Por desgracia, el recuento manual es propenso a errores. Para resolver este problema, Martin utilizó Ultralytics YOLOv5 para automatizar el proceso de recuento. Este método ha reducido considerablemente los errores y el tiempo asociados a la detección y clasificación de colonias.

Detección y clasificación de objetos microscópicos#

Para realizar pruebas en el mundo microscópico, es necesario evaluar frotis. Este proceso sigue realizándose en su mayor parte manualmente. Y, como sabemos, los procesos manuales son más propensos a errores y a variaciones en los resultados. Además, aunque existen herramientas adecuadas para detectar objetos con formas específicas, hacen falta herramientas más especializadas para contar y clasificar automáticamente distintos objetos.

Detección y seguimiento de fauna silvestre#

«Mis compañeros graban la fauna en bosques y otros lugares y suelen revisar los vídeos manualmente, lo que significa que tienen que sentarse a repasar cientos de vídeos».

Consciente de que buscar manualmente un jabalí o un ciervo en un vídeo puede llevar muchísimo tiempo, Martin sabía que la detección de objetos podía optimizar este proceso. En este caso, se implementó Ultralytics YOLOv5 para detectar fauna de forma fácil e instantánea cuando un animal entraba en el campo de visión de la cámara.

¿Cómo te adentraste en el mundo del aprendizaje automático y la IA visual?#

Durante su máster, Martin estudió lo que le gusta llamar «los enfoques clásicos del análisis de imágenes». Mientras terminaba la carrera, el aprendizaje profundo empezaba a ganar popularidad; por entonces, simplemente se hablaba de «redes convolucionales».

Durante ese periodo, Martin trabajaba en minería de datos, que no era muy útil. Como quería trabajar directamente con los datos, decidió adentrarse en el mundo del aprendizaje automático y la IA visual.

¿Qué recomendarías a alguien que empieza a utilizar Ultralytics YOLOv5?#

Hoy en día, aprender aprendizaje automático e IA visual puede resultar bastante complicado. Como alguien que lleva un tiempo utilizando IA visual, Martin mencionó tres puntos para quienes quieran empezar:

1. «Como científico, prefiero leerlo todo primero para poder volver a leer cualquier cosa que no haya entendido del todo a la primera». Adquirir unos conocimientos básicos antes de empezar a entrenar modelos facilitará mucho el proceso a quienes se inician en este campo.
2. Además, Martin destacó lo útil que es estudiar los casos de uso de otras personas. Ver lo que hacen los demás puede inspirarte para tus propios usos y proyectos.
3. Prueba y pon a prueba tus proyectos una y otra vez. Si ves que tienes que cambiar algo, vuelve atrás y haz el cambio; después, sigue adelante con más pruebas e iteraciones.

Martin Schätz es investigador y también imparte formación, con especial atención al análisis de bioimágenes y al procesamiento de datos en microscopía confocal. El proyecto en el que trabaja Martin tiene como objetivo optimizar el análisis de imágenes para la investigación y el seguimiento de enfermedades infecciosas. Puedes encontrar documentación y detalles sobre sus tres proyectos en su repositorio de GitHub. Además, Martin forma parte de NEUBIAS, una organización que promueve las herramientas más utilizadas para el análisis científico de imágenes en biología y microscopía, incluidos estos modelos de aprendizaje profundo entrenados en el zoológico de modelos.

¡También queremos dar visibilidad a tu caso de uso de YOLOv5! Menciónanos en redes sociales con @Ultralytics y #YOLOvME para tener la oportunidad de aparecer aquí.