Pixelabs alcanza un 95 % de recuperación gracias a la automatizaciónYOLO Ultralytics

Hoy en día, muchos procesos industriales, operativos y de investigación siguen dependiendo de que personas revisen manualmente las imágenes para comprobar los procesos o detectar patrones. A medida que aumenta el volumen de datos, este método se vuelve rápidamente lento, inconsistente y difícil de ampliar.

Esto es especialmente cierto en entornos de investigación como el de las imágenes retinianas para la detección precoz del Alzheimer, donde identificar pequeños indicios en las imágenes puede resultar difícil y llevar mucho tiempo.

Pixelabs ayuda a resolver esto con su Pixelabs AI-Engine, una plataforma de IA visual diseñada para el análisis de imágenes y vídeos en tiempo real. Mediante el uso de modelos de visión artificial, como YOLO Ultralytics , la plataforma facilita la automatización de los flujos de trabajo visuales, mejora la coherencia y permite ampliar el análisis.

Aplicación de la visión artificial para automatizar los flujos de trabajo del mundo real

Pixelabs desarrolla soluciones de inteligencia artificial visual que permiten a las empresas automatizar y mejorar sus procesos actuales mediante la visión artificial. Con sede en Madrid y oficinas en Barcelona y el Reino Unido, la empresa se centra en crear herramientas prácticas de inteligencia artificial que puedan aplicarse en distintos sectores.

En concreto, su plataforma, Pixelabs AI-Engine, permite el análisis de imágenes y vídeos en tiempo real para tareas como la detección de objetos, la identificación de defectos, el análisis de superficies y el reconocimiento óptico de caracteres (OCR). Estas capacidades permiten a los usuarios procesar los datos visuales de forma más eficiente y reducir la dependencia de la revisión manual.

La plataforma está diseñada para integrarse en los sistemas existentes, lo que facilita a las organizaciones la adopción de la visión artificial sin interrumpir sus operaciones. Esta flexibilidad permite a Pixelabs dar respuesta a una amplia variedad de casos de uso y adaptar las soluciones a medida que aumentan las necesidades.

Los retos de la integración y la ampliación de la visión artificial

En muchos sectores, las operaciones diarias siguen dependiendo de flujos de trabajo manuales y de una automatización limitada. Los operadores, ingenieros e investigadores suelen revisar las imágenes manualmente, validar los resultados y gestionar los datos a través de múltiples herramientas. 

Esto hace que los procesos sean más lentos, más difíciles de estandarizar y más propensos a las inconsistencias, sobre todo a medida que aumenta el volumen de datos. Incluso cuando las organizaciones se plantean introducir la visión artificial, la transición no siempre es sencilla. 

La integración de la inteligencia artificial en los sistemas existentes puede requerir cambios en los flujos de trabajo establecidos, nueva infraestructura o un esfuerzo de ingeniería adicional. Por eso, muchas soluciones resultan difíciles de ampliar o mantener a lo largo del tiempo.

Por ejemplo, en entornos de investigación como el diagnóstico por imagen de la retina para la detección precoz del Alzheimer, estos retos se vuelven más complejos. Los investigadores deben detect detalles detect pequeños, gestionar grandes conjuntos de datos de imágenes y garantizar que los resultados sean coherentes en diferentes condiciones.

‍

Sin un método optimizado para gestionar el análisis, la gestión de datos y los resultados, resulta difícil ampliar estos flujos de trabajo y mantener la fiabilidad de los resultados.

Automatización del análisis de imágenes retinianas conYOLO Ultralytics

Pixelabs abordó estos retos integrandoYOLO Ultralytics en el motor de IA de Pixelabs. La plataforma constituye el núcleo de sus soluciones de IA visual, lo que facilita la ejecución de análisis de imágenes y vídeos en tiempo real en diferentes aplicaciones sin alterar los flujos de trabajo existentes.

Admite una amplia gama de tareas, entre las que se incluyen la detección de objetos y defectos, el análisis de superficies y texturas, la gestión del color y el reconocimiento óptico de caracteres (OCR). Dado que es independiente del hardware y está diseñado para integrarse a través de API, puede implementarse en distintos entornos y ampliarse según las necesidades.

Este enfoque se aplicó en una colaboración reciente con el equipo de investigación sobre el Alzheimer del CIBIR, en la que Pixelabs desarrolló un sistema para facilitar la detección precoz del Alzheimer en ratones mediante imágenes de la retina. El objetivo era identificar pequeños indicadores, como los depósitos de beta-amiloide, que pueden señalar las primeras fases de la enfermedad.

Para ello, Pixelabs ha creado un flujo de trabajo que integra el almacenamiento de datos, el procesamiento de imágenes y una interfaz de usuario. Las imágenes de la retina, captadas mediante dispositivos de imagen del fondo de ojo específicos para el laboratorio, se transfieren primero a través del Protocolo de transferencia segura de archivos (SFTP) y se almacenan en un sistema centralizado, lo que facilita la gestión y el acceso a grandes conjuntos de datos.

Para garantizar resultados uniformes, se aplican a continuación una serie de pasos de preprocesamiento con el fin de corregir las diferencias en la calidad de la imagen y la iluminación. Esto ayuda al sistema a mantener la precisión en diferentes muestras y condiciones.

A continuación, las imágenes se analizan mediante modelos de IA de visión, incluidos los entrenados a medida Ultralytics YOLOv8 . YOLOv8 utilizan variantes medianas y grandes de YOLOv8 para equilibrar el rendimiento y la precisión. 

En este proceso, se utilizanYOLO Ultralytics para la detección de objetos y la clasificación de imágenes, con el fin de identificar y localizar pequeñas áreas de interés, como los depósitos de beta-amiloide, directamente en las imágenes de la retina.

‍

Por último, los resultados se presentan a través de una plataforma web, en la que los usuarios pueden subir imágenes, filtrar los datos por atributos como la edad, el sexo o el fenotipo, y visualizar las características detectadas junto con los índices de confianza. Esto facilita el paso de los datos de imagen sin procesar a información clara y útil.

¿Por qué elegir los modelosYOLO Ultralytics ?

Para Pixelabs,YOLO Ultralytics resultaron ser la opción ideal, ya que proporcionaron una base práctica y flexible para desarrollar soluciones de visión artificial que pueden adaptarse rápidamente a diferentes casos de uso. Son fáciles de entrenar y perfeccionar, lo que permite al equipo avanzar más rápidamente y responder a nuevos requisitos sin necesidad de rediseñar el sistema.

Esta flexibilidad tuvo un impacto directo en la velocidad de desarrollo. Al aprovechar YOLO, Pixelabs pudo acelerar sus ciclos de desarrollo y llevar las soluciones a producción más rápidamente, reduciendo así el tiempo de comercialización de las nuevas aplicaciones. Al mismo tiempo, los modelos ofrecieron resultados más precisos y consistentes. 

Ofrece una precisión de hasta el 95 % y mejora la eficiencia

La integración deYOLO Ultralytics en el motor de IA de Pixelabs supuso una clara mejora en el rendimiento del análisis. En el caso práctico de la investigación sobre el Alzheimer, el sistema alcanzó tasas de recuperación de alrededor del 90 %, que aumentaron hasta el 95 % a medida que la enfermedad avanzaba y los indicadores se hacían más evidentes.

Esto permitió a los investigadores detect características detect , como los depósitos de beta-amiloide, de forma más fiable en grandes conjuntos de datos de imágenes. Como resultado, el análisis ganó en coherencia, lo que redujo la variabilidad y contribuyó a garantizar que no se pasaran por alto indicadores importantes.

Además de este caso de uso, Pixelabs también ha recibido comentarios positivos de forma sistemática por parte de los clientes que utilizan sus soluciones en diferentes aplicaciones. Los usuarios destacan las mejoras en la ejecución de los procesos, especialmente en lo que respecta a la eficiencia y la fiabilidad. 

El impacto varía en función del caso de uso concreto, lo que refleja la flexibilidad de la plataforma y su capacidad para adaptarse a diferentes necesidades operativas. En general, estas mejoras han facilitado la gestión y el análisis de datos visuales a gran escala, lo que permite obtener resultados más fiables y flujos de trabajo más eficientes.

Impulsar la IA visual en todos los sectores

Pixelabs sigue ampliando las capacidades de su plataforma de IA visual a nuevos casos de uso y sectores. Partiendo de su trabajo en aplicaciones de investigación, como la detección del Alzheimer, el equipo se centra en perfeccionar sus modelos y mejorar el análisis visual mediante tecnologías comoYOLO Ultralytics .

Mediante la mejora continua de su tecnología, Pixelabs pretende ayudar a las organizaciones a automatizar sus procesos de forma más eficaz y a aplicar la visión artificial a una gama más amplia de flujos de trabajo del mundo real.

¿Te interesa optimizar los flujos de trabajo de tu empresa? Echa un vistazo a nuestro repositorio de GitHub para obtener más información sobre Vision AI. Descubre cómo YOLO están impulsando la innovación en ámbitos como la inteligencia artificial en el sector sanitario y la visión artificial en el sector minorista. Para empezar a trabajar con YOLO, descubre cómo nuestras opciones de licencia pueden ayudarte en tu proyecto.