YOLOvME: Contagem de colónias, avaliação de esfregaços e deteção da vida selvagem

Alguma vez tiveste de avaliar inúmeras imagens, dados, resultados, etc.? Para tornar o processo ainda mais complicado, alguma vez tiveste de fazer essas avaliações manualmente? É, sem dúvida, incrivelmente demorado.

Para Martin Schätz, o Ultralytics YOLOv5 revelou-se uma ferramenta útil para reduzir o tempo necessário à análise de imagens envolvida na investigação e monitorização de doenças infeciosas. Embora Martin desempenhe várias funções, a essência do seu trabalho centra-se 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 lógica de Martin para 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 pelos técnicos. Infelizmente, a contagem manual pode dar origem a resultados propensos 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, na sua maioria, manualmente. E, como sabemos, os processos manuais são mais propensos a erros e a variabilidade nos 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 de Vida Selvagem#

“Os meus colegas registam animais selvagens 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 uma quantidade exorbitante de tempo, Martin sabia que a deteção de objetos poderia otimizar definitivamente este processo. Neste caso, o Ultralytics YOLOv5 foi implementado, permitindo detetar animais selvagens de forma fácil e instantânea quando um animal entrava no campo de visão da câmara.

Como Entraste no Mundo da Aprendizagem Automática e da IA de Visão?#

Para o seu mestrado, Martin estudou aquilo a que gosta de chamar as “abordagens clássicas à análise de imagens”. Enquanto terminava o curso, a aprendizagem profunda começava a ser cada vez mais discutida, embora na altura fosse simplesmente chamada de “redes convolucionais”.

Durante este período, Martin trabalhava na exploração de dados, que não eram muito úteis. Querendo trabalhar diretamente com os dados, Martin decidiu mergulhar no mundo da aprendizagem automática e da IA de visão.

Que Sugestões Dás a Quem Está a Começar com o Ultralytics YOLOv5?#

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

1. “Como cientista, prefiro ler tudo primeiro para poder reler qualquer coisa que não tenha compreendido totalmente à primeira.” Adquirir um nível básico de compreensão antes de começar a treinar os teus modelos tornará o processo muito mais fácil para quem está a começar.
2. Além disso, Martin referiu 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 utilizações e projetos.
3. Reproduz e testa repetidamente os teus projetos. Se descobrires que precisas de alterar alguma coisa, volta atrás e faz a alteração, continuando depois com mais testes e iterações.

Martin Schätz é um investigador que também leciona, com foco na Análise de Bioimagens e no processamento de dados em microscopia confocal. A motivação por detrás 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 para a análise científica de imagens em biologia/microscopia, incluindo estes modelos de aprendizagem profunda treinados no Zoo de modelos.

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