Pixelabs достигает 95% recall с помощью автоматизации на базе Ultralytics YOLO

Многие производственные, операционные и исследовательские процессы сегодня по-прежнему зависят от людей, вручную просматривающих изображения для контроля операций или поиска закономерностей. По мере роста объемов данных это быстро становится медленным, нестабильным и трудно масштабируемым процессом.

Это особенно актуально для таких исследовательских областей, как анализ снимков сетчатки при раннем выявлении болезни Альцгеймера, где поиск мелких индикаторов на изображениях может быть сложным и трудоемким процессом.

Pixelabs помогает решить эту проблему с помощью Pixelabs AI-Engine — платформы визуального ИИ, разработанной для анализа изображений и видео в реальном времени. Используя модели computer vision, такие как Ultralytics YOLO models, платформа упрощает автоматизацию визуальных рабочих процессов, повышает их согласованность и масштабируемость анализа.

Link to this sectionПрименение computer vision для автоматизации реальных рабочих процессов#

Pixelabs разрабатывает визуальные ИИ-решения, которые позволяют бизнесу автоматизировать и совершенствовать существующие процессы с помощью computer vision. Компания базируется в Мадриде, имеет офисы в Барселоне и Великобритании и фокусируется на создании практических ИИ-инструментов, применимых в различных отраслях.

В частности, ее платформа Pixelabs AI-Engine обеспечивает анализ изображений и видео в реальном времени для таких задач, как обнаружение объектов, defect identification, анализ поверхности и оптическое распознавание символов (OCR). Эти возможности позволяют пользователям эффективнее обрабатывать визуальные данные и снизить зависимость от ручной проверки.

Платформа спроектирована для интеграции в существующие системы, что упрощает внедрение computer vision организациями без нарушения рабочих процессов. Эта гибкость позволяет Pixelabs поддерживать широкий спектр сценариев использования и масштабировать решения по мере роста потребностей.

Link to this sectionПроблемы интеграции и масштабирования computer vision#

Во многих отраслях повседневные операции по-прежнему зависят от ручных процессов и ограниченной автоматизации. Операторы, инженеры и исследователи часто вручную просматривают изображения, проверяют результаты и управляют данными с помощью множества инструментов.

Это делает процессы более медленными, трудными для стандартизации и склонными к ошибкам, особенно по мере увеличения объемов данных. Даже когда организации стремятся внедрить computer vision, переход не всегда проходит гладко.

Интеграция ИИ в существующие системы может потребовать изменений в устоявшихся рабочих процессах, новой инфраструктуры или дополнительных инженерных усилий. Именно поэтому многие решения трудно масштабировать или поддерживать с течением времени.

Например, в исследовательских задачах, таких как анализ снимков сетчатки при раннем выявлении болезни Альцгеймера, эти проблемы усложняются. Исследователям необходимо обнаруживать очень мелкие признаки, управлять большими наборами изображений и обеспечивать согласованность результатов в различных условиях.

Рис. 1. Пример снимка сетчатки глаза мыши.

Без оптимизированного способа обработки данных и получения результатов становится сложно масштабировать такие рабочие процессы и поддерживать достоверность данных.

Link to this sectionАвтоматизация анализа снимков сетчатки с помощью моделей Ultralytics YOLO#

Pixelabs справилась с этими задачами, интегрировав модели Ultralytics YOLO в Pixelabs AI-Engine. Платформа является ядром визуальных ИИ-решений компании, что позволяет более плавно осуществлять анализ изображений и видео в реальном времени в различных приложениях без нарушения существующих процессов.

Она поддерживает целый ряд задач, включая обнаружение объектов и дефектов, анализ поверхностей и текстур, управление цветом и OCR. Поскольку платформа не зависит от аппаратного обеспечения и предназначена для интеграции через API, ее можно развертывать в различных средах и масштабировать.

Этот подход был применен в недавнем сотрудничестве с исследовательской группой CIBIR по изучению болезни Альцгеймера, где Pixelabs разработала систему для поддержки раннего выявления этого заболевания у мышей с помощью снимков сетчатки. Целью было выявление мелких индикаторов, таких как отложения амилоида бета, которые могут сигнализировать о ранних стадиях болезни.

Для этого Pixelabs создала рабочий процесс, соединяющий хранилище данных, image processing и пользовательский интерфейс. Снимки сетчатки, полученные с помощью специализированных лабораторных глазных камер, сначала передаются по протоколу Secure File Transfer Protocol (SFTP) и сохраняются в централизованной системе, что упрощает управление большими наборами данных и доступ к ним.

Для обеспечения стабильных результатов применяются этапы предварительной обработки, чтобы компенсировать различия в качестве изображений и освещении. Это помогает системе поддерживать точность при работе с разными образцами и условиями.

Затем изображения анализируются с помощью моделей ИИ, включая специально обученные модели Ultralytics YOLOv8. Средние и крупные варианты YOLOv8 используются для баланса между производительностью и точностью.

Внутри этого конвейера модели Ultralytics YOLO используются для object detection и image classification, чтобы находить и локализовать небольшие интересующие области, такие как отложения амилоида бета, непосредственно на снимках сетчатки.

Рис. 2. Модели computer vision, такие как Ultralytics YOLOv8, помогают обнаруживать отложения амилоида бета.

Наконец, результаты представляются через веб-платформу, где пользователи могут загружать изображения, фильтровать данные по атрибутам (например, возраст, пол или фенотип) и просматривать обнаруженные объекты вместе с показателями достоверности. Это упрощает путь от «сырых» изображений к ясным, пригодным для использования инсайтам.

Link to this sectionПочему стоит выбрать модели Ultralytics YOLO?#

Для Pixelabs модели Ultralytics YOLO подошли идеально, предоставив практичную и гибкую основу для создания computer vision solutions, которые можно быстро адаптировать к разным задачам. Их легко обучать и дорабатывать, что позволяет команде быстрее итерировать и реагировать на новые требования без необходимости перепроектирования системы.

Эта гибкость оказала прямое влияние на скорость разработки. Используя YOLO, Pixelabs смогла ускорить циклы разработки и быстрее выпускать решения в производство, сокращая время вывода на рынок новых приложений. В то же время модели обеспечили более точные и согласованные результаты.

Link to this sectionДостижение 95% полноты распознавания при повышении эффективности#

Интеграция моделей Ultralytics YOLO в Pixelabs AI-Engine привела к заметным улучшениям в производительности анализа. В рамках исследования болезни Альцгеймера система достигла показателей полноты около 90%, повышая их до 95% по мере прогрессирования заболевания и большей выраженности индикаторов.

Это позволило исследователям более надежно обнаруживать мелкие признаки, такие как отложения амилоида бета, в больших наборах данных. В результате анализ стал более согласованным, что снизило вариативность и помогло избежать пропуска важных индикаторов.

Помимо этого кейса, Pixelabs также получает неизменно положительные отзывы от клиентов, использующих их решения в самых разных приложениях. Пользователи отмечают улучшения в проведении процессов, особенно в плане эффективности и надежности.

Эффект зависит от конкретного сценария использования, что отражает гибкость платформы и ее способность адаптироваться к разным операционным нуждам. В целом, эти улучшения облегчили управление и анализ визуальных данных в масштабе, поддерживая более надежные результаты и более эффективные рабочие процессы.

Link to this sectionРазвитие визуального ИИ в различных отраслях#

Pixelabs продолжает расширять возможности своей платформы визуального ИИ для новых задач и отраслей. Опираясь на свою работу в исследовательских приложениях, таких как выявление болезни Альцгеймера, команда сосредоточена на совершенствовании своих моделей и развитии визуального анализа с использованием технологий, подобных моделям Ultralytics YOLO.

Постоянно улучшая свои технологии, Pixelabs стремится помочь организациям более эффективно автоматизировать процессы и применять computer vision в более широком спектре реальных рабочих процессов.

Хочешь оптимизировать рабочие процессы в своей компании? Посети наш GitHub repository, чтобы узнать больше о Vision AI. Изучи, как модели YOLO внедряют инновации в таких областях, как AI in healthcare и computer vision in retail. Чтобы начать работать с YOLO на практике, узнай, как наши варианты лицензирования могут помочь твоему проекту.