YOLOvME: подсчёт колоний, оценка мазков и обнаружение объектов дикой природы
Узнай, как Мартин Шец использует YOLOv5 для эффективного анализа изображений в исследованиях инфекционных заболеваний, подсчёта колоний и мониторинга дикой природы.
Тебе когда-нибудь приходилось оценивать бесчисленное количество изображений, данных, результатов и т. д.? А приходилось ли тебе выполнять такие оценки вручную, ещё больше усложняя процесс? Конечно, это невероятно затратно по времени.
Для Martin Schätz Ultralytics YOLOv5 стал полезным инструментом, помогающим сократить время, необходимое для анализа изображений в рамках исследований и мониторинга инфекционных заболеваний. Хотя Martin совмещает несколько ролей, суть его работы связана с анализом биоизображений — областью, которую он описывает как «точку пересечения информатики и биологии». Мы захотели больше узнать о работе Martin с мониторингом и подсчётом колоний, поэтому встретились с ним и задали несколько вопросов.
Чем именно ты занимаешься с Ultralytics YOLOv5?#
Решение Martin внедрить Ultralytics YOLOv5 в свои проекты обусловлено необходимостью автоматизировать существующие процессы обнаружения, классификации и подсчёта объектов. Martin также планирует использовать YOLOv5 в таких задачах, как эксперимент по долгосрочной эволюции.
Подсчёт бактериальных колоний#
В лабораториях бактериальные колонии, выращенные на агаровых чашках, обычно подсчитываются вручную лаборантами. К сожалению, ручной подсчёт может приводить к результатам с большим количеством ошибок. Чтобы решить эту проблему, Martin использовал Ultralytics YOLOv5 для автоматизации процесса подсчёта. Такой подход значительно сократил количество ошибок и время, связанные с обнаружением и классификацией колоний.
Обнаружение и классификация микроскопических объектов#
Для проведения исследований в микроскопическом мире необходимо анализировать мазки. Этот процесс по-прежнему в основном выполняется вручную. А мы знаем, что ручные процессы чаще приводят к ошибкам и вариативности результатов. Кроме того, хотя подходящие инструменты для обнаружения объектов определённых форм уже существуют, необходимы более специализированные инструменты для автоматического подсчёта и классификации различных объектов.
Обнаружение и мониторинг диких животных#
«Мои коллеги записывают диких животных в лесах и других местах и обычно просматривают видео вручную, то есть им приходится садиться и просматривать сотни видеозаписей».
Помня о том, что ручной поиск кабана или оленя на видео может занимать непомерно много времени, Martin понял, что обнаружение объектов определённо может оптимизировать этот процесс. В этом случае был внедрён Ultralytics YOLOv5, благодаря чему диких животных можно было легко и мгновенно обнаруживать, когда животное попадало в поле зрения камеры.
Как ты пришёл в мир машинного обучения и Vision AI?#
Во время обучения в магистратуре Martin изучал то, что он предпочитает называть «классическими подходами к анализу изображений». Когда он заканчивал обучение, о глубоком обучении говорили всё чаще, хотя в то время его просто называли «свёрточными сетями».
В этот период Martin занимался добычей данных, которые были не очень пригодны для использования. Желая получить возможность работать с данными на практике, Martin решил погрузиться в мир машинного обучения и Vision AI.
Что ты посоветуешь тем, кто начинает работать с Ultralytics YOLOv5?#
Сейчас процесс изучения ML и Vision AI может быть довольно сложным. Martin, который уже некоторое время работает с Vision AI, назвал три рекомендации для всех, кто хочет начать:
- «Как учёный, я предпочитаю сначала прочитать всё, чтобы потом перечитать то, чего не понял с первого раза». Если получить базовое понимание до начала обучения своих моделей, процесс станет гораздо проще для новичков.
- Кроме того, Martin отметил пользу изучения чужих сценариев использования. Наблюдение за тем, что делают другие, может вдохновить тебя на собственные решения и проекты.
- Неоднократно запускай и тестируй свои проекты. Если окажется, что нужно что-то изменить, вернись и внеси изменения, а затем продолжай двигаться вперёд, проводя новые тесты и итерации.
Martin Schätz — исследователь, который также преподаёт, специализируясь на анализе биоизображений и обработке данных в конфокальной микроскопии. Цель проекта, над которым работает Martin, — оптимизировать процесс анализа изображений для исследований и мониторинга инфекционных заболеваний. Документацию и подробности о трёх проектах Martin можно найти в его репозитории GitHub. Кроме того, Martin входит в NEUBIAS — организацию, которая продвигает наиболее используемые инструменты для научного анализа изображений в биологии и микроскопии, включая эти предобученные модели глубокого обучения в каталоге моделей.
Мы тоже хотим рассказать о твоём сценарии использования YOLOv5! Отметь нас в социальных сетях @Ultralytics и добавь #YOLOvME, чтобы получить шанс попасть в подборку.
