Bằng cách tích hợp các model Ultralytics YOLO vào nền tảng, Theia Scientific đã thay đổi cách xử lý dữ liệu hiển vi, giúp phân tích hiệu quả và đáng tin cậy hơn.
Nghiên cứu khoa học trong các lĩnh vực như khoa học vật liệu và công nghệ nano thường dựa vào kính hiển vi hạt tích điện, đầu dò quét và quang học để khảo sát những cấu trúc mắt người không thể nhìn thấy. Ví dụ, Kính hiển vi điện tử truyền qua (TEM) là một công cụ quan trọng, có khả năng ghi lại chi tiết ở cấp độ nano và nguyên tử.
Đáng tiếc là sau khi thu thập những hình ảnh này, việc phân tích có thể chậm và phức tạp, thường đòi hỏi nhiều công sức thủ công và chuyên môn sâu. Để cải thiện quy trình này, Theia Scientific đã phát triển nền tảng Theiascope™, một hệ thống phân tích ảnh hiển vi theo thời gian thực tích hợp các model Ultralytics YOLO để tự động hóa việc phát hiện, phân đoạn và đo lường định lượng hình ảnh, giúp quy trình hiển vi nhanh hơn, hiệu quả hơn và có thể tái lập.
Tìm hiểu vai trò của Vision AI trong tạo ảnh khoa học#
Được sáng lập bởi hai anh em Kevin và Christopher Field, Theia Scientific phát triển các công cụ phần mềm tiên tiến nhằm đẩy nhanh nghiên cứu hiển vi. Với chuyên môn trải rộng từ khoa học vật liệu, tự động hóa công nghiệp, điện tử đến kỹ thuật phần mềm, công ty tập trung giải quyết các nút thắt mà nhà khoa học, kỹ sư và nhà nghiên cứu gặp phải khi phân tích dữ liệu ảnh phức tạp.
Sản phẩm chủ lực của công ty, nền tảng Theiascope™, tích hợp thị giác máy tính để tự động phát hiện, phân đoạn và đo lường các đặc điểm trong ảnh hiển vi điện tử. Thay vì dựa vào gán nhãn và truy vết thủ công, nền tảng sử dụng Vision AI để tạo ra kết quả nhất quán và có thể tái lập.
Vì sao ảnh hiển vi khó phân tích thủ công?#
Ảnh hiển vi, đặc biệt là ảnh chụp bằng TEM, có độ chi tiết rất cao nhưng khó diễn giải. Mỗi ảnh chứa hàng trăm đến hàng nghìn đặc điểm và cấu trúc nhỏ, chẳng hạn như hạt và ranh giới, cần được xác định, gán nhãn, truy vết và/hoặc đo lường cẩn thận để trích xuất dữ liệu có ý nghĩa. Trước đây, công việc này được thực hiện thủ công, vừa chậm vừa có thể khác nhau tùy từng người. Hai nhà nghiên cứu có thể gán nhãn cùng một ảnh theo cách khác nhau, dẫn đến kết quả không nhất quán và sai số lớn.
Quy trình này càng phức tạp hơn khi xử lý các tập dữ liệu lớn. Để có được thông tin chuyên sâu đáng tin cậy, thường cần phân tích hàng nghìn ảnh, có thể mất hàng tuần hoặc thậm chí hàng tháng nếu dùng phương pháp thủ công. Ngoài ra, sự khác biệt về độ tương phản, nhiễu và các cấu trúc chồng lấp càng khiến quy trình khó khăn hơn.
Đối với các nhà nghiên cứu muốn nghiên cứu sự tiến hóa vi cấu trúc hoặc theo dõi thay đổi theo thời gian, những vấn đề này có thể làm chậm tiến độ nghiên cứu. Theia Scientific nhận thấy cần có một giải pháp tự động hóa và đáng tin cậy hơn để giải quyết những vấn đề này.
Cải thiện quy trình làm việc với kính hiển vi bằng các model Ultralytics YOLO#
Sau khi tìm hiểu nhiều phương pháp tự động hóa phân tích dữ liệu hiển vi, Theia Scientific nhận thấy các model Ultralytics YOLO có tốc độ, độ chính xác và tính linh hoạt cần thiết để phân tích ảnh hiển vi theo thời gian thực, cho phép thu được kết quả định lượng tức thì ngay tại kính hiển vi trong khi thí nghiệm vẫn đang diễn ra. Các model Ultralytics YOLO như Ultralytics YOLO11 và Ultralytics YOLOv8 hỗ trợ các tác vụ thị giác máy tính như phát hiện đối tượng (xác định và định vị từng đặc trưng trong ảnh) và phân đoạn instance (vạch đường viền của từng đặc trưng ở cấp độ pixel). Các tác vụ này giúp phát hiện trực tiếp những cấu trúc kích thước nano, chẳng hạn như hạt và ranh giới, trong ảnh TEM ngay khi ảnh được ghi lại.
Hình 1. Quy trình phân tích dữ liệu và ảnh hiển vi hiện tại. Mục tiêu cuối cùng của các nhà khoa học, kỹ sư và nhà nghiên cứu là khám phá và tìm ra câu trả lời. Trong khi đó, quy trình làm việc rời rạc và tốn nhiều công sức; phần dưới hình minh họa thời gian/công sức tương đối cần thiết cho từng bước. Phát hiện và tổng hợp đặc điểm là những giai đoạn tốn nhiều thời gian nhất trong quy trình. Các mũi tên màu xám quay lại bước thu thập dữ liệu thể hiện việc phải thu thập lại dữ liệu vì dữ liệu hiện có không hữu ích. Nguồn: Theia Scientific.
Ví dụ, trong một nghiên cứu gần đây về màng mỏng đa tinh thể, Theiascope™ và các model Ultralytics YOLO được sử dụng để xác định và đo lường cấu trúc hạt ảnh hưởng đến các đặc tính của vật liệu dùng trong thiết bị điện tử, lớp phủ và thiết bị năng lượng. Phân bố kích thước hạt chính xác rất quan trọng để hiểu cách các màng này biến đổi trong quá trình thí nghiệm.
Một trong những lý do chính khiến các model Ultralytics YOLO hoạt động hiệu quả trong những trường hợp này là khả năng nội suy trên các dataset lớn. Thay vì yêu cầu gán nhãn mọi khung hình trong một thí nghiệm, nhà nghiên cứu chỉ cần chú thích một phần nhỏ hình ảnh, huấn luyện model YOLO rồi để model phân tích đáng tin cậy hàng nghìn khung hình bổ sung. Nhờ đó, có thể theo dõi sự phát triển của hạt và thay đổi ranh giới qua các thí nghiệm TEM tua nhanh thời gian với rất ít thao tác thủ công.
Vì sao chọn các model Ultralytics YOLO?#
Trong nghiên cứu về màng mỏng đa tinh thể đã đề cập trước đó, Ultralytics YOLOv8 được ghi nhận nhanh hơn tới 43 lần so với U-Net (một model thường được dùng để phân tích ảnh khoa học). Tốc độ này giúp YOLO trở nên thiết thực cho việc phân tích theo thời gian thực ngay trên kính hiển vi.
U-Net có độ chính xác cao nhưng chậm, còn YOLO kết hợp tốc độ với độ chính xác, cho kết quả đo kích thước hạt sai lệch không quá 3% so với giá trị thực. Thiết kế của YOLO cũng linh hoạt hơn, dễ dàng xử lý các tỷ lệ và thiết lập huấn luyện khác nhau. Với nhà nghiên cứu, điều này đồng nghĩa với kết quả nhanh hơn mà không phải đánh đổi độ tin cậy, rất phù hợp để đẩy nhanh quy trình làm việc với kính hiển vi.
Hình 2. So với vẽ đường viền thủ công (b) và U-Net (c), phân đoạn bằng YOLOv8 (d) tạo đường viền rõ nét và chính xác hơn trên ảnh hiển vi. (Nguồn)
Giảm sai lệch và tăng tính nhất quán trong phân tích ảnh hiển vi bằng YOLO#
Thông qua nền tảng Theiascope™, Theia Scientific cho thấy các model Ultralytics YOLO có thể đẩy nhanh quá trình phân tích ảnh hiển vi và thí nghiệm TEM, đồng thời hỗ trợ nghiên cứu dài hạn có khả năng tái lập. Nền tảng này được thiết kế để không phụ thuộc vào loại kính hiển vi, nghĩa là các model YOLO có thể phân tích ảnh thu thập từ nhiều thiết bị khác nhau mà không cần pipeline tùy chỉnh. Tính linh hoạt này giúp quy trình làm việc luôn nhất quán giữa các thí nghiệm, người vận hành và môi trường khác nhau.
Khả năng tái lập cũng là một kết quả quan trọng khác. Nghiên cứu khoa học thường yêu cầu xem lại và xác thực kết quả sau nhiều năm. Với nhiều model YOLO được tích hợp trong Theiascope™, nhà nghiên cứu có thể chạy lại các model cũ như Ultralytics YOLOv5 trên tập dữ liệu lưu trữ để nhận được đầu ra nhất quán, sau đó so sánh trực tiếp với kết quả từ các model mới hơn như Ultralytics YOLO11. Nhờ vậy, việc xác minh phát hiện trở nên đơn giản, ngay cả khi các phương pháp AI tiếp tục phát triển.
Hình 3. Nền tảng Theiascope™. Ảnh hiển vi điện tử được thu thập và truyền từ máy tính thu nhận dữ liệu đến thiết bị có GPU, chạy ứng dụng web, cơ sở dữ liệu chuỗi thời gian và các model Ultralytics YOLO. Các bản cập nhật và model Ultralytics YOLO mới có thể được đẩy lên nền tảng thông qua cập nhật OTA. Nguồn: Theia Scientific.
Ngoài ra, các model Ultralytics YOLO cung cấp cho nền tảng khả năng mở rộng cần thiết để xử lý dataset lớn. Khả năng suy luận theo thời gian thực cho phép phân tích hàng nghìn ảnh TEM trong khoảng thời gian cần thiết để phân tích thủ công chỉ vài ảnh. Nhờ vậy, nhà nghiên cứu có thể theo dõi các quá trình biến đổi như sự phát triển của hạt trong toàn bộ thí nghiệm, tạo ra những hiểu biết mới và mở ra các hướng thí nghiệm mới với quy mô và tốc độ cần thiết cho nghiên cứu tiên phong.
Tích hợp Vision AI tiên tiến vào các công cụ nghiên cứu thế hệ mới#
Theia Scientific xem các model Ultralytics YOLO là nền tảng cho tương lai của ngành hiển vi. Bằng cách tiếp tục cải tiến phương pháp huấn luyện và hiệu chuẩn, công ty hướng đến nâng cao hơn nữa độ chính xác trên nhiều tỷ lệ và điều kiện thí nghiệm.
Trong thời gian tới, Theia Scientific dự định mở rộng Theiascope™ để hỗ trợ các thí nghiệm in situ phức tạp hơn và dataset đa phương thức. Họ tin rằng Vision AI có thể trở thành một phần tiêu chuẩn trong quy trình nghiên cứu thế hệ mới, giúp khám phá nhanh hơn và thu được hiểu biết sâu sắc hơn trên nhiều lĩnh vực khoa học.
Bạn muốn tinh gọn quy trình làm việc của công ty? Truy cập repository GitHub của chúng tôi để tìm hiểu thêm về Vision AI. Khám phá cách các model YOLO thúc đẩy đổi mới trong những lĩnh vực như AI trong y tế và thị giác máy tính trong bán lẻ. Để trực tiếp trải nghiệm YOLO, hãy tìm hiểu cách các tùy chọn cấp phép của chúng tôi có thể hỗ trợ tầm nhìn của bạn.
Được viết bởi
Nhà sáng tạo nội dung · Ultralytics
