YOLOvME: contagem de colônias, avaliação de esfregaços e detecção de vida selvagem

Já tiveste de avaliar inúmeras imagens, dados, resultados, etc.? Para complicar ainda mais o processo, já tiveste de fazer essas avaliações manualmente? Claro que isso consome imenso tempo.

Para Martin Schätz, o Ultralytics YOLOv5 revelou-se uma ferramenta útil para reduzir o tempo necessário à análise de imagens na investigação e monitorização de doenças infeciosas. Embora Martin desempenhe várias funções, o seu trabalho centra-se essencialmente na análise de bioimagens, um setor que descreve como «o ponto de encontro entre a informática e a biologia». Queríamos saber mais sobre o trabalho de Martin na monitorização e contagem de colónias, por isso sentámo-nos com ele e fizemos-lhe algumas perguntas.

O que fazes exatamente com o Ultralytics YOLOv5?#

A decisão de Martin de implementar o Ultralytics YOLOv5 nos seus projetos resulta da necessidade de automatizar processos existentes de deteção, classificação e contagem de objetos. Martin também pretende utilizar o YOLOv5 em casos como a Experiência de Evolução a Longo Prazo.

Contagem de colónias bacterianas#

Nos laboratórios, as colónias bacterianas cultivadas em placas de ágar são geralmente contadas manualmente por técnicos. Infelizmente, a contagem manual está sujeita a erros. Para resolver este problema, Martin utilizou o Ultralytics YOLOv5 para automatizar o processo de contagem. Esta abordagem reduziu significativamente os erros e o tempo associados à deteção e classificação de colónias.

Deteção e classificação de objetos microscópicos#

Para realizar testes no mundo microscópico, é necessário avaliar esfregaços. Este processo ainda é realizado sobretudo manualmente. E, como sabemos, os processos manuais são mais propensos a erros e à variabilidade dos resultados. Além disso, embora existam ferramentas adequadas para a deteção de objetos com formas específicas, são necessárias ferramentas mais especializadas para a contagem e classificação automáticas de vários objetos.

Deteção e monitorização da vida selvagem#

“Os meus colegas registam a vida selvagem em florestas e noutros locais e, normalmente, analisam os vídeos manualmente, o que significa que têm de se sentar e percorrer centenas de vídeos.”

Tendo em conta que procurar manualmente um javali ou um veado num vídeo pode demorar imenso tempo, Martin sabia que a deteção de objetos podia otimizar definitivamente este processo. Neste caso, o Ultralytics YOLOv5 foi implementado para detetar animais selvagens de forma fácil e imediata quando entravam no campo de visão da câmara.

Como entraste no mundo da aprendizagem automática e da IA de visão?#

No mestrado, Martin estudou aquilo a que gosta de chamar «as abordagens clássicas à análise de imagens». Quando estava a terminar o curso, a aprendizagem profunda começava a ser cada vez mais falada, embora na altura fosse simplesmente chamada «redes convolucionais».

Durante esse período, Martin trabalhava na mineração de dados, que não eram muito utilizáveis. Como queria trabalhar diretamente com os dados, Martin decidiu mergulhar no mundo da aprendizagem automática e da IA de visão.

O que sugeres a quem está a começar a usar o Ultralytics YOLOv5?#

Atualmente, o processo de aprendizagem automática e IA de visão pode ser bastante complicado. Como alguém que já utiliza IA de visão há algum tempo, Martin mencionou três pontos para quem quer começar:

1. «Como cientista, prefiro ler tudo primeiro, para poder voltar a ler qualquer coisa que não tenha compreendido totalmente à primeira.» Para os principiantes, adquirir uma compreensão básica antes de começar a treinar modelos torna o processo muito mais fácil.
2. Além disso, Martin salientou a utilidade de estudar os casos de utilização de outras pessoas. Ver o que os outros estão a fazer pode inspirar-te nas tuas próprias aplicações e projetos.
3. Experimenta e testa os teus projetos repetidamente. Se perceberes que tens de alterar alguma coisa, volta atrás e faz a alteração; depois, continua a avançar com mais testes e iterações.

Martin Schätz é investigador e também dá aulas, com foco na análise de bioimagens e no processamento de dados em microscopia confocal. A motivação do projeto em que Martin está a trabalhar é otimizar o processo de análise de imagens para a investigação e monitorização de doenças infeciosas. Podes encontrar a documentação e os detalhes dos três projetos de Martin no seu repositório do GitHub. Além disso, Martin faz parte da NEUBIAS, uma organização que promove as ferramentas mais utilizadas na análise científica de imagens em biologia/microscopia, incluindo estes modelos de aprendizagem profunda treinados no Model Zoo.

Também queremos dar destaque ao teu caso de utilização do YOLOv5! Identifica-nos nas redes sociais com @Ultralytics e #YOLOvME para teres a oportunidade de aparecer em destaque.