Ao integrar modelos Ultralytics YOLO à sua plataforma, a Theia Scientific transformou o processamento de dados de microscopia, tornando a análise mais eficiente e confiável.
A pesquisa científica em áreas como ciência dos materiais e nanotecnologia geralmente depende de microscopia de partículas carregadas, de sonda de varredura e óptica para explorar estruturas invisíveis a olho nu. Por exemplo, a microscopia eletrônica de transmissão (TEM) é uma ferramenta essencial, capaz de capturar detalhes minuciosos em escala nanométrica e atômica.
Infelizmente, depois de capturadas essas imagens, analisá-las pode ser lento e complexo, muitas vezes exigindo muito trabalho manual e conhecimento especializado. Para aprimorar esse processo, a Theia Scientific desenvolveu a plataforma Theiascope™, um sistema de análise de imagens de microscopia em tempo real que integra modelos Ultralytics YOLO para automatizar a detecção, a segmentação e as medições quantitativas de imagens, tornando a microscopia mais rápida, eficiente e reproduzível.
Explorando o papel da IA de visão na captura de imagens científicas#
Fundada pelos irmãos Kevin e Christopher Field, a Theia Scientific desenvolve ferramentas de software avançadas para acelerar a pesquisa em microscopia. Com experiência em ciência dos materiais, automação industrial, eletrônica e engenharia de software, a empresa se concentra em reduzir os gargalos que cientistas, engenheiros e pesquisadores enfrentam ao analisar dados de imagem complexos.
Seu principal produto, a plataforma Theiascope™, integra visão computacional para detectar, segmentar e medir automaticamente características em imagens de microscopia eletrônica. Ao usar IA de visão em vez de anotações e rastreamentos manuais, a plataforma oferece resultados consistentes e reproduzíveis.
Por que é difícil analisar imagens de microscopia manualmente?#
As imagens de microscopia, especialmente as capturadas com TEM, são muito detalhadas, mas difíceis de interpretar. Cada imagem contém centenas ou milhares de características e estruturas minuciosas, como grãos e contornos, que precisam ser cuidadosamente identificados, anotados, traçados e/ou medidos para extrair dados relevantes. Tradicionalmente, esse trabalho é feito à mão, o que é lento e pode variar de uma pessoa para outra. Dois pesquisadores podem anotar a mesma imagem de maneiras diferentes, levando a resultados inconsistentes e grandes margens de erro.
Esse processo se torna ainda mais complexo quando envolve conjuntos de dados grandes. Para obter informações confiáveis, muitas vezes é preciso analisar milhares de imagens, o que pode levar semanas ou até meses com métodos manuais. Além disso, as variações de contraste, o ruído e as estruturas sobrepostas tornam o processo ainda mais difícil.
Para pesquisadores que querem estudar a evolução microestrutural ou acompanhar mudanças ao longo do tempo, esses problemas podem atrasar a pesquisa. A Theia Scientific reconheceu que essas questões exigiam uma solução mais automatizada e confiável.
Aprimorando os fluxos de trabalho de microscopia com modelos Ultralytics YOLO#
Após explorar diferentes abordagens para automatizar a análise de dados de microscopia, a Theia Scientific percebeu que os modelos Ultralytics YOLO ofereciam a velocidade, a precisão e a flexibilidade necessárias para a análise de imagens de microscopia em tempo real, permitindo obter resultados quantitativos instantâneos no microscópio enquanto os experimentos ainda estão em andamento. Modelos Ultralytics YOLO como Ultralytics YOLO11 e Ultralytics YOLOv8 oferecem suporte a tarefas de visão computacional, como detecção de objetos (identificação e localização de características individuais em uma imagem) e segmentação de instâncias (delimitação de cada característica no nível do pixel). Essas tarefas permitem detectar estruturas em nanoescala, como grãos e contornos, diretamente em imagens de TEM à medida que são capturadas.
Fig. 1. Fluxo de trabalho atual de análise de imagens e dados de microscopia. Ao final do fluxo de trabalho, cientistas, engenheiros e pesquisadores buscam descobertas e respostas. Enquanto isso, o fluxo de trabalho é desconexo e trabalhoso, e a quantidade relativa de tempo e mão de obra necessária para cada etapa é indicada na parte inferior. A detecção e agregação de características são as etapas mais demoradas do fluxo de trabalho. As setas cinza que retornam à aquisição representam a necessidade de coletar os dados novamente porque os dados atuais não são úteis. Fonte: Theia Scientific.
Por exemplo, em um estudo recente sobre filmes finos policristalinos, a plataforma Theiascope™ e os modelos Ultralytics YOLO foram usados para identificar e medir estruturas de grãos que influenciam as propriedades dos materiais usados em eletrônicos, revestimentos e dispositivos de energia. Distribuições precisas do tamanho dos grãos são essenciais para compreender a evolução desses filmes durante os experimentos.
Um dos principais motivos pelos quais os modelos Ultralytics YOLO são tão eficazes nesses casos de uso é sua capacidade de interpolar em grandes conjuntos de dados. Em vez de exigir que cada quadro de um experimento seja rotulado, os pesquisadores podem anotar apenas uma pequena fração das imagens, treinar um modelo YOLO e, então, deixá-lo analisar com confiabilidade milhares de quadros adicionais. Isso permite acompanhar o crescimento dos grãos e as mudanças nos contornos ao longo de experimentos de TEM com lapso de tempo, com o mínimo de intervenção manual.
Por que escolher os modelos Ultralytics YOLO?#
No estudo sobre filmes finos policristalinos mencionado anteriormente, constatou-se que o Ultralytics YOLOv8 era até 43 vezes mais rápido que o U-Net (um modelo frequentemente usado para análise de imagens científicas). Essa velocidade torna o YOLO prático para análises em tempo real diretamente no microscópio.
Embora o U-Net seja preciso, mas lento, o YOLO combina velocidade e precisão, medindo o tamanho dos grãos com uma diferença de até 3% em relação à referência real. Seu design também o torna mais flexível, permitindo lidar facilmente com diferentes escalas e configurações de treinamento. Para os pesquisadores, isso significa resultados mais rápidos sem sacrificar a confiabilidade, o que é ideal para agilizar os fluxos de trabalho de microscopia.
Fig. 2. Em comparação com o delineamento manual (b) e o U-Net (c), a segmentação do YOLOv8 (d) produz contornos mais nítidos e precisos em imagens de microscopia. (Fonte)
Reduzindo o viés e aumentando a consistência na microscopia com YOLO#
Por meio da plataforma Theiascope™, a Theia Scientific demonstrou que os modelos Ultralytics YOLO podem acelerar a análise de imagens de microscopia e os experimentos de TEM, além de apoiar pesquisas reproduzíveis e de longo prazo. A plataforma foi projetada para funcionar com qualquer microscópio, ou seja, os modelos YOLO analisam imagens coletadas por diferentes instrumentos sem exigir pipelines personalizados. Essa flexibilidade garante a consistência dos fluxos de trabalho em diferentes experimentos, operadores e ambientes.
A reprodutibilidade é outro resultado importante. Muitas vezes, a pesquisa científica exige que os resultados sejam revisados e validados anos depois. Com vários modelos YOLO integrados ao Theiascope™, os pesquisadores podem executar novamente modelos antigos, como o Ultralytics YOLOv5, em conjuntos de dados arquivados e obter resultados consistentes, comparando-os diretamente com os resultados de modelos mais recentes, como o Ultralytics YOLO11. Isso facilita a verificação das descobertas, mesmo com a evolução dos métodos de IA.
Fig. 3. A plataforma Theiascope™. As imagens de microscopia eletrônica são capturadas e transmitidas do computador de aquisição para um dispositivo equipado com GPU que executa um aplicativo web, um banco de dados de séries temporais e os modelos Ultralytics YOLO. Atualizações e novos modelos Ultralytics YOLO podem ser enviados à plataforma por meio de atualizações OTA. Fonte: Theia Scientific.
Além disso, os modelos Ultralytics YOLO dão à plataforma a escalabilidade necessária para lidar com grandes conjuntos de dados. Seus recursos de inferência em tempo real permitem analisar milhares de imagens de TEM no tempo que levaria para analisar manualmente apenas algumas. Isso permite que os pesquisadores acompanhem processos dinâmicos, como o crescimento dos grãos, ao longo de experimentos inteiros, gerando novas descobertas e viabilizando novos experimentos na escala e velocidade necessárias para pesquisas de ponta.
Integrando Vision AI avançada às ferramentas de pesquisa de próxima geração#
A Theia Scientific considera os modelos Ultralytics YOLO uma base para o futuro da microscopia. Ao continuar aprimorando os métodos de treinamento e as abordagens de calibração, a empresa pretende melhorar ainda mais a precisão em diferentes escalas e condições experimentais.
Daqui para a frente, a Theia Scientific planeja ampliar o Theiascope™ para oferecer suporte a experimentos in situ mais complexos e conjuntos de dados multimodais. A empresa acredita que a Vision AI provavelmente se tornará parte padrão dos fluxos de trabalho de pesquisa de próxima geração, permitindo descobertas mais rápidas e insights mais profundos em diferentes áreas científicas.
Quer agilizar os fluxos de trabalho da sua empresa? Confira nosso repositório do GitHub para saber mais sobre Vision AI. Descubra como os modelos YOLO estão impulsionando inovações em áreas como IA na área da saúde e visão computacional no varejo. Para experimentar o YOLO na prática, descubra como nossas opções de licenciamento podem ajudar a concretizar sua visão.
Escrito por
Criador de conteúdo · Ultralytics
