Интегрировав модели Ultralytics YOLO в Pixelabs AI-Engine, Pixelabs смогла автоматизировать визуальные рабочие процессы. Например, при анализе изображений сетчатки для раннего выявления болезни Альцгеймера это повысило стабильность обнаружения признаков, а полнота обнаружения достигла 95%.
Во многих промышленных, операционных и исследовательских процессах по-прежнему вручную просматривают изображения, чтобы проверять процессы или выявлять закономерности. По мере роста объёма данных такая работа быстро становится медленной, нестабильной и плохо масштабируется.
Особенно это актуально в исследованиях, например при анализе изображений сетчатки для раннего выявления болезни Альцгеймера, где поиск небольших признаков на изображениях может быть сложным и трудоёмким.
Pixelabs решает эту задачу с помощью Pixelabs AI-Engine — платформы визуального ИИ для анализа изображений и видео в реальном времени. Используя модели компьютерного зрения, такие как модели Ultralytics YOLO, платформа упрощает автоматизацию визуальных рабочих процессов, повышает стабильность результатов и позволяет масштабировать анализ.
Применение компьютерного зрения для автоматизации реальных рабочих процессов#
Pixelabs разрабатывает решения визуального ИИ, которые помогают компаниям автоматизировать и улучшать существующие процессы с помощью компьютерного зрения. Компания, расположенная в Мадриде и имеющая офисы в Барселоне и Великобритании, сосредоточена на создании практичных инструментов ИИ для самых разных отраслей.
В частности, платформа Pixelabs AI-Engine обеспечивает анализ изображений и видео в реальном времени для таких задач, как обнаружение объектов, выявление дефектов, анализ поверхностей и оптическое распознавание символов (OCR). Эти возможности позволяют эффективнее обрабатывать визуальные данные и меньше полагаться на ручную проверку.
Платформа рассчитана на интеграцию в существующие системы, что облегчает внедрение компьютерного зрения без нарушения текущих операций. Благодаря такой гибкости Pixelabs поддерживает широкий спектр сценариев использования и масштабирует решения по мере роста требований.
Проблемы интеграции и масштабирования компьютерного зрения#
Во многих отраслях повседневная работа по-прежнему основана на ручных процессах и ограниченной автоматизации. Операторы, инженеры и исследователи часто вручную просматривают изображения, проверяют результаты и управляют данными с помощью нескольких инструментов.
Из-за этого процессы замедляются, их сложнее стандартизировать, а вероятность несогласованных результатов возрастает, особенно при увеличении объёмов данных. Даже если компании хотят внедрить компьютерное зрение, переход к нему не всегда проходит просто.
Внедрение ИИ в существующие системы может потребовать изменений в устоявшихся рабочих процессах, новой инфраструктуры или дополнительных инженерных усилий. Поэтому многие решения трудно масштабировать и поддерживать в долгосрочной перспективе.
Например, в исследовательских задачах, таких как анализ изображений сетчатки для раннего выявления болезни Альцгеймера, эти трудности становятся ещё серьёзнее. Исследователям нужно обнаруживать очень мелкие признаки, работать с большими наборами изображений и обеспечивать стабильность результатов в разных условиях.
Рис. 1. Пример изображения сетчатки глаза мыши.
Без отлаженного способа выполнять анализ, управлять данными и получать результаты масштабировать такие процессы и обеспечивать надёжность результатов становится сложно.
Автоматизация анализа изображений сетчатки с помощью моделей Ultralytics YOLO#
Pixelabs решила эти задачи, интегрировав модели Ultralytics YOLO в Pixelabs AI-Engine. Эта платформа служит основой решений визуального ИИ компании и упрощает анализ изображений и видео в реальном времени в различных приложениях, не нарушая существующие рабочие процессы.
Платформа поддерживает целый ряд задач, включая обнаружение объектов и дефектов, анализ поверхностей и текстур, управление цветом и OCR. Она не зависит от оборудования и рассчитана на интеграцию через API, поэтому её можно развертывать в различных средах и масштабировать.
Этот подход применили в недавнем совместном проекте с исследовательской группой CIBIR, изучающей болезнь Альцгеймера. Pixelabs разработала систему для поддержки раннего выявления болезни Альцгеймера у мышей с помощью анализа изображений сетчатки. Цель заключалась в обнаружении небольших признаков, например отложений бета-амилоида, которые могут указывать на раннюю стадию заболевания.
Для этого Pixelabs создала рабочий процесс, объединяющий хранение данных, обработку изображений и пользовательский интерфейс. Сначала изображения сетчатки, полученные с помощью специализированных лабораторных устройств для съёмки глазного дна, передаются по протоколу безопасной передачи файлов (SFTP) и сохраняются в централизованной системе, что упрощает управление большими наборами данных и доступ к ним.
Для обеспечения стабильных результатов затем выполняются этапы предварительной обработки, учитывающие различия в качестве изображений и освещении. Это помогает системе сохранять точность на разных образцах и в разных условиях.
Затем изображения анализируются с помощью моделей Vision AI, в том числе специально обученных моделей Ultralytics YOLOv8. Для баланса производительности и точности используются варианты YOLOv8 среднего и крупного размера.
В этом конвейере модели Ultralytics YOLO используются для обнаружения объектов и классификации изображений, чтобы находить и локализовать небольшие интересующие области, например отложения бета-амилоида, непосредственно на изображениях сетчатки.
Рис. 2. Модели компьютерного зрения, такие как Ultralytics YOLOv8, помогают обнаруживать отложения бета-амилоида.
Наконец, результаты отображаются на веб-платформе: пользователи могут загружать изображения, фильтровать данные по таким атрибутам, как возраст, пол или фенотип, и просматривать обнаруженные признаки вместе с оценками уверенности. Благодаря этому сырые данные изображений проще преобразовать в понятные и полезные выводы.
Почему стоит выбрать модели Ultralytics YOLO?#
Для Pixelabs модели Ultralytics YOLO идеально подошли: они стали практичной и гибкой основой для создания решений компьютерного зрения, которые можно быстро адаптировать к разным сценариям использования. Модели легко обучать и дорабатывать, поэтому команда может быстрее проводить итерации и реагировать на новые требования без переработки системы.
Эта гибкость напрямую ускорила разработку. Используя YOLO, Pixelabs смогла ускорить циклы разработки и быстрее выводить решения в производство, сократив время выхода новых приложений на рынок. При этом модели обеспечили более точные и стабильные результаты.
Полнота обнаружения до 95% при повышении эффективности#
Интеграция моделей Ultralytics YOLO в Pixelabs AI-Engine заметно повысила эффективность анализа. В сценарии исследования болезни Альцгеймера полнота обнаружения системы составляла около 90% и достигала 95% по мере прогрессирования заболевания и повышения заметности признаков.
Это позволило исследователям надёжнее обнаруживать небольшие признаки, например отложения бета-амилоида, в больших наборах изображений. В результате анализ стал стабильнее, разброс результатов уменьшился, а вероятность пропустить важные признаки снизилась.
Помимо этого сценария, Pixelabs регулярно получает положительные отзывы от клиентов, использующих её решения в различных приложениях. Пользователи отмечают улучшение рабочих процессов, особенно их эффективности и надёжности.
Величина эффекта зависит от конкретного сценария использования, что отражает гибкость платформы и её способность адаптироваться к различным операционным задачам. В целом эти улучшения упростили управление визуальными данными и их масштабный анализ, обеспечив более надёжные результаты и эффективные рабочие процессы.
Развитие визуального ИИ в разных отраслях#
Pixelabs продолжает расширять возможности своей платформы визуального ИИ, осваивая новые сценарии использования и отрасли. Опираясь на опыт исследовательских применений, например выявления болезни Альцгеймера, команда совершенствует модели и развивает визуальный анализ с помощью таких технологий, как модели Ultralytics YOLO.
Постоянно совершенствуя технологии, Pixelabs стремится помочь компаниям эффективнее автоматизировать процессы и применять компьютерное зрение в более широком спектре реальных рабочих процессов.
Хочешь упростить рабочие процессы своей компании? Загляни в наш репозиторий GitHub, чтобы узнать больше о Vision AI. Посмотри, как модели YOLO способствуют инновациям в таких сферах, как ИИ в здравоохранении и компьютерное зрение в розничной торговле. Чтобы попробовать YOLO на практике, узнай, как варианты лицензирования помогут твоему проекту.
