YOLOvME: Contagem de Colónias, Avaliação de Esfregaços e Deteção de Vida Selvagem
Descobre como Martin Schätz aproveita o YOLOv5 para uma análise de imagem eficiente na investigação de doenças infeciosas, contagem de colónias e monitorização da vida selvagem.
Já tiveste de avaliar inúmeras imagens, dados, resultados, etc.? Para tornar o processo mais complicado, já tiveste de fazer estas avaliações manualmente? Claro, isso consome um tempo incrível.
Para Martin Schätz, o Ultralytics YOLOv5 provou ser uma ferramenta útil para reduzir o tempo necessário para a análise de imagens envolvida na pesquisa e monitoramento de doenças infecciosas. Embora Martin exerça várias funções ao mesmo tempo, a essência do seu trabalho concentra-se na bioanálise de imagens, um setor que ele descreve como "o ponto de encontro entre a ciência da computação e a biologia". Queríamos saber mais sobre o trabalho de Martin com o monitoramento e contagem de colônias, então conversamos com ele e fizemos algumas perguntas.
O Que Exatamente Você Faz Com o Ultralytics YOLOv5?#
A lógica de Martin por trás da implementação do Ultralytics YOLOv5 para os seus projetos decorre da necessidade de automatizar processos existentes para deteção, classificação e contagem de objetos. Martin também pretende utilizar o YOLOv5 para casos como o Long-Term Evolution Experiment.
Contagem de Colônias Bacterianas#
Em laboratórios, colônias bacterianas cultivadas em placas de ágar geralmente são contadas manualmente por técnicos. Infelizmente, a contagem manual pode ser propensa a resultados com erros. Para enfrentar esse problema, Martin utilizou o Ultralytics YOLOv5 para automatizar o processo de contagem. Essa abordagem reduziu drasticamente o erro e o tempo associados à detecção e classificação de colônias.
Deteção e Classificação de Objetos Microscópicos#
Para realizar testes no mundo microscópico, é necessário avaliar esfregaços. Este ainda é um processo realizado maioritariamente de forma manual. E como sabemos, processos manuais são mais propensos a erros e variabilidade nos resultados. Além disso, embora existam ferramentas adequadas para a deteção de objetos com formas específicas, há uma necessidade de ferramentas mais especializadas para a contagem e classificação automática de vários objetos.
Deteção e Monitorização de Vida Selvagem#
"Os meus colegas registam a vida selvagem em florestas e outros locais e, tipicamente, analisam os vídeos manualmente, o que significa que têm de se sentar e rever centenas de vídeos."
Tendo em mente que a busca manual por um exemplar de porco selvagem ou cervo em um vídeo pode levar uma quantidade exorbitante de tempo, Martin sabia que a detecção de objetos poderia definitivamente otimizar esse processo. Aqui, o Ultralytics YOLOv5 foi implementado permitindo que a vida selvagem fosse detectada de forma fácil e instantânea quando um animal entrava na linha de visão da câmera.
Como entraste no mundo do Machine Learning e da Visão Computacional?#
Para o seu mestrado, o Martin estudou o que gosta de chamar de "abordagens clássicas à análise de imagem". Enquanto terminava o seu curso, a aprendizagem profunda (deep learning) estava a tornar-se cada vez mais comentada, o que na altura era apenas chamado de "redes convolucionais".
Durante este período, o Martin estava a trabalhar na mineração de dados, que não eram muito utilizáveis. Querendo colocar as mãos na massa com os dados, o Martin escolheu mergulhar no mundo do machine learning e da visão computacional.
O Que Você Sugere Para Alguém Que Está Começando Com o Ultralytics YOLOv5?#
Neste momento, o processo de aprender ML e visão computacional pode ser bastante complicado. Como alguém que usa visão computacional há algum tempo, o Martin mencionou três pontos para quem procura começar:
- "Como cientista, prefiro ler tudo primeiro para que possa reler qualquer coisa que não compreenda totalmente à primeira." Obter um nível básico de compreensão antes de mergulhares no treino dos teus modelos tornará o processo muito mais fácil para os principiantes.
- Além disso, o Martin referenciou a utilidade de estudar os casos de uso de outras pessoas. Ver o que os outros estão a fazer pode inspirar-te para as tuas próprias utilizações e projetos.
- Joga e testa repetidamente os teus projetos. Se descobrires que precisas de mudar algo, volta atrás, faz a alteração e continua a avançar com mais testes e iterações.
Martin Schätz é um pesquisador que também leciona com foco em BioImage Analysis e processamento de dados em microscopia confocal. A motivação por trás do projeto em que Martin está trabalhando é otimizar o processo de análise de imagem para pesquisa e monitoramento de doenças infecciosas. Podes encontrar documentação e detalhes por trás dos três projetos de Martin no GitHub repository dele. Além disso, Martin faz parte da NEUBIAS, uma organização que promove as ferramentas mais usadas para análise de imagens científicas em biologia/microscopia, incluindo estes trained deep learning models no model Zoo.
Também queremos destacar o teu caso de uso do YOLOv5! Marca-nos nas redes sociais @Ultralytics com #YOLOvME para teres a oportunidade de seres apresentado.
