A Theia Scientific procurou um Modelo de Visão de IA que melhorasse a velocidade, a precisão e a reprodutibilidade da análise de imagens de microscopia.
Ao integrar os modelos YOLO da Ultralytics em sua plataforma, a Theia Scientific transformou a forma como os dados de microscopia são processados, tornando a análise mais eficiente e confiável.
A pesquisa científica em áreas como ciência dos materiais e nanotecnologia frequentemente depende de microscopia de partículas carregadas, sonda de varredura e óptica para explorar estruturas invisíveis ao olho humano. Por exemplo, a Microscopia Eletrônica de Transmissão (TEM) é uma ferramenta essencial, capaz de capturar detalhes finos em escala nano e atômica.
Infelizmente, uma vez que essas imagens são adquiridas, analisá-las pode ser lento e complexo, muitas vezes exigindo um esforço manual significativo e conhecimento do domínio. Para aprimorar este 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, segmentação e medições quantitativas de imagens, tornando a microscopia mais rápida, eficiente e reproduzível.
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, eles se concentram em reduzir os gargalos que cientistas, engenheiros e pesquisadores enfrentam ao analisar dados de imagem complexos.
O seu produto principal, a plataforma Theiascope™, integra visão computacional para detetar, segmentar e medir automaticamente características em imagens de microscopia eletrónica. Ao confiar na Visão de IA em vez da anotação e rastreio manuais, a plataforma fornece resultados consistentes e reproduzíveis.
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 finas, como grãos e limites, que devem ser cuidadosamente identificadas, anotadas, rastreadas e/ou medidas para extrair dados significativos. Tradicionalmente, isso tem sido feito manualmente, o que é lento e pode variar de pessoa para pessoa. Dois pesquisadores podem anotar a mesma imagem de forma diferente, levando a resultados inconsistentes e grandes barras de erro.
Este processo torna-se ainda mais complexo quando grandes conjuntos de dados estão envolvidos. Para obter insights confiáveis, milhares de imagens precisam ser analisadas, o que pode levar semanas ou até meses usando métodos manuais. Além disso, variações de contraste, ruído e estruturas sobrepostas tornam o processo ainda mais difícil.
Para pesquisadores que pretendem estudar a evolução microestrutural ou rastrear mudanças ao longo do tempo, esses problemas podem retardar a pesquisa. A Theia Scientific reconheceu que essas preocupações exigiam uma solução mais automatizada e confiável.
Depois de explorar diferentes abordagens para automatizar a análise de dados de microscopia, a Theia Scientific percebeu que os modelos Ultralytics YOLO ofereciam a velocidade, precisão e flexibilidade necessárias para a análise de imagens de microscopia em tempo real, permitindo resultados quantitativos instantâneos no microscópio enquanto os experimentos ainda estão em andamento. Os modelos Ultralytics YOLO, como o Ultralytics YOLO11 e o Ultralytics YOLOv8, suportam tarefas de visão computacional, como detecção de objetos (identificação e localização de características individuais em uma imagem) e segmentação de instâncias (delineamento de cada característica no nível do pixel). Essas tarefas tornam possível detectar estruturas em nanoescala, como grãos e limites, diretamente em imagens TEM à medida que são capturadas.
Por exemplo, num estudo recente sobre filmes finos policristalinos, o Theiascope™ e os modelos Ultralytics YOLO foram usados para identificar e medir estruturas de grãos que influenciam as propriedades dos materiais usados em eletrónicos, revestimentos e dispositivos de energia. Distribuições precisas do tamanho dos grãos são críticas para entender como esses filmes evoluem durante os experimentos.
Uma das principais razões pelas quais os modelos Ultralytics YOLO são tão eficazes nesses casos de uso é a sua capacidade de interpolar grandes conjuntos de dados. Em vez de exigir que cada frame em um experimento seja rotulado, os pesquisadores podem anotar apenas uma pequena fração de imagens, treinar um modelo YOLO e, em seguida, deixá-lo analisar de forma confiável milhares de frames adicionais. Isso torna possível rastrear o crescimento de grãos e as mudanças de limite em experimentos TEM de lapso de tempo com o mínimo de entrada manual.
No estudo sobre filmes finos policristalinos discutido anteriormente, o Ultralytics YOLOv8 foi considerado 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 análise em tempo real, no microscópio.
Embora a U‑Net seja precisa, mas lenta, o YOLO combina velocidade com precisão, correspondendo às medições do tamanho do grão com uma precisão de 3% em relação à verdade fundamental. Seu design também o torna mais flexível, lidando com diferentes escalas e configurações de treinamento com facilidade. Para os pesquisadores, isso significa resultados mais rápidos sem sacrificar a confiabilidade, o que é ideal para acelerar os fluxos de trabalho de microscopia.
.webp)
Através da plataforma Theiascope™, a Theia Scientific mostrou que os modelos Ultralytics YOLO podem acelerar a análise de imagens de microscopia e experimentos TEM, ao mesmo tempo em que apoiam pesquisas reproduzíveis e de longo prazo. A plataforma foi projetada para ser independente do microscópio, o que significa que os modelos YOLO são usados para analisar imagens coletadas de diferentes instrumentos sem exigir pipelines personalizados. Essa flexibilidade garante que os fluxos de trabalho permaneçam consistentes em vários experimentos, operadores e ambientes.
A reprodutibilidade é outro resultado importante. A pesquisa científica geralmente exige que os resultados sejam revisados e validados anos depois. Com vários modelos YOLO integrados ao Theiascope™, os pesquisadores podem executar novamente modelos mais antigos, como o Ultralytics YOLOv5, em conjuntos de dados arquivados e obter resultados consistentes, e então compará-los diretamente com os resultados de modelos mais recentes, como o Ultralytics YOLO11. Isso torna a verificação das descobertas direta, mesmo com a evolução dos métodos de IA.
Além disso, os modelos YOLO da Ultralytics oferecem à plataforma a escalabilidade necessária para lidar com grandes conjuntos de dados. Suas capacidades de inferência em tempo real permitem que milhares de imagens TEM sejam analisadas no tempo que levaria para analisar manualmente apenas algumas. Isso permite que os pesquisadores acompanhem processos dinâmicos, como o crescimento de grãos em experimentos inteiros, gerando novos insights e desbloqueando novos experimentos na escala e velocidade necessárias para pesquisas de ponta.
A Theia Scientific considera os modelos YOLO da Ultralytics como uma base para o futuro da microscopia. Ao continuar a refinar os métodos de treino e as abordagens de calibração, pretendem melhorar ainda mais a precisão em todas as escalas e condições experimentais.
Olhando para o futuro, a Theia Scientific planeja expandir o Theiascope™ para suportar experimentos in‑situ mais complexos e conjuntos de dados multimodais. Eles acreditam que é provável que a Visão de IA se torne uma parte padrão dos fluxos de trabalho de pesquisa de próxima geração, permitindo uma descoberta mais rápida e insights mais profundos em todos os domínios científicos.
Interessado em otimizar os fluxos de trabalho da sua empresa? Confira nosso repositório GitHub para saber mais sobre Visão de IA. Explore como os modelos YOLO estão impulsionando inovações em áreas como IA na área da saúde e visão computacional no varejo. Para começar a usar o YOLO, descubra como nossas opções de licenciamento podem apoiar sua visão.
Os modelos Ultralytics YOLO são arquiteturas de visão computacional desenvolvidas para analisar dados visuais de imagens e entradas de vídeo. Esses modelos podem ser treinados para tarefas que incluem detecção de objetos, classificação, estimativa de pose, rastreamento e segmentação de instâncias. Os modelos Ultralytics YOLO incluem:
Ultralytics YOLO11 é a versão mais recente de nossos modelos de Visão Computacional. Assim como suas versões anteriores, ele suporta todas as tarefas de visão computacional que a comunidade Vision AI tanto aprecia no YOLOv8. O novo YOLO11, no entanto, vem com maior desempenho e precisão, tornando-o uma ferramenta poderosa e o aliado perfeito para os desafios da indústria no mundo real.
O modelo que escolher usar depende dos requisitos específicos do seu projeto. É fundamental ter em conta fatores como desempenho, precisão e necessidades de implementação. Aqui está uma visão geral rápida:
Os repositórios Ultralytics YOLO, como YOLOv5 e YOLO11, são distribuídos sob a licença AGPL-3.0 por padrão. Esta licença aprovada pela OSI foi projetada para estudantes, pesquisadores e entusiastas, promovendo a colaboração aberta e exigindo que qualquer software que use componentes AGPL-3.0 também seja de código aberto. Embora isso garanta a transparência e promova a inovação, pode não estar alinhado com casos de uso comercial.
Se o seu projeto envolve a incorporação de software e modelos de IA da Ultralytics em produtos ou serviços comerciais e você deseja ignorar os requisitos de código aberto da AGPL-3.0, uma Licença Empresarial é ideal.
Os benefícios da licença Enterprise incluem:
Para garantir uma integração perfeita e evitar restrições AGPL-3.0, solicite uma Licença Empresarial Ultralytics usando o formulário fornecido. Nossa equipe o ajudará a adaptar a licença às suas necessidades específicas.
.webp)
.webp)
.webp)