Bằng cách tích hợp các model Ultralytics YOLO vào nền tảng của mình, Theia Scientific đã thay đổi cách dữ liệu hiển vi được xử lý, giúp việc 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 phụ thuộc vào kính hiển vi điện tích, đầu dò quét và quang học để khám phá các cấu trúc vô hình đối với mắt người. Ví dụ, Kính hiển vi điện tử truyền qua (TEM) là một công cụ then chốt, có khả năng ghi lại các chi tiết nhỏ ở quy mô nano và nguyên tử.
Đáng tiếc là sau khi thu nhận, việc phân tích những hình ảnh này có thể chậm và phức tạp, thường đòi hỏi nhiều công sức thủ công và chuyên môn lĩnh vực. Để cải thiện quy trình này, Theia Scientific đã phát triển nền tảng Theiascope™, một hệ thống phân tích hình 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 quá trình hiển vi nhanh hơn, hiệu quả hơn và có thể tái lập.
Khám phá vai trò của Vision AI trong chụp ảnh khoa học#
Được thành 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, họ tập trung giải quyết các điểm nghẽn mà các nhà khoa học, kỹ sư và nhà nghiên cứu gặp phải khi phân tích dữ liệu hình ảnh phức tạp.
Sản phẩm chủ lực của họ, nền tảng Theiascope™, tích hợp thị giác máy tính để tự động phát hiện, phân đoạn và đo lường các đặc trưng trong hình ảnh hiển vi điện tử. Bằng cách sử dụng Vision AI thay vì chú thích và truy vết thủ công, nền tảng cung cấp các kết quả nhất quán và có thể tái lập.
Tại sao hình ảnh hiển vi khó phân tích thủ công?#
Hình ảnh hiển vi, đặc biệt là những hình ảnh được chụp bằng TEM, có độ chi tiết rất cao nhưng khó diễn giải. Mỗi hình ảnh chứa hàng trăm đến hàng nghìn đặc trưng và cấu trúc nhỏ, chẳng hạn như các hạt và ranh giới, cần được xác định, chú thích, truy vết và/hoặc đo lường cẩn thận để trích xuất dữ liệu có ý nghĩa. Theo cách truyền thống, công việc này được thực hiện thủ công, vừa chậm vừa có thể khác nhau giữa từng người. Hai nhà nghiên cứu có thể chú thích cùng một hình ảnh theo những cách khác nhau, dẫn đến kết quả không nhất quán và biên sai số lớn.
Quy trình này còn phức tạp hơn khi có các dataset lớn. Để thu được thông tin đáng tin cậy, thường cần phân tích hàng nghìn hình ảnh, có thể mất vài tuần hoặc thậm chí vài tháng nếu sử dụng phương pháp thủ công. Ngoài ra, sự khác biệt về độ tương phản, nhiễu và các cấu trúc chồng lấn càng khiến quy trình trở nên khó khăn.
Đối với các nhà nghiên cứu muốn khảo sát sự tiến hóa của vi cấu trúc hoặc theo dõi những thay đổi theo thời gian, các vấn đề này có thể làm chậm tiến độ nghiên cứu. Theia Scientific nhận ra rằng những thách thức này đòi hỏi một giải pháp tự động và đáng tin cậy hơn.
Cải thiện quy trình hiển vi bằng các model Ultralytics YOLO#
Sau khi tìm hiểu nhiều phương pháp khác nhau để tự động hóa việc phân tích dữ liệu hiển vi, Theia Scientific nhận thấy các model Ultralytics YOLO cung cấp tốc độ, độ chính xác và tính linh hoạt cần thiết cho việc phân tích hình ảnh hiển vi theo thời gian thực, cho phép thu được kết quả định lượng tức thời 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 riêng lẻ trong hình ảnh) và phân đoạn instance (phác thảo từng đặc trưng ở cấp pixel). Các tác vụ này giúp phát hiện trực tiếp những cấu trúc ở quy mô nano, chẳng hạn như các hạt và ranh giới, trong hình ảnh TEM ngay khi chúng được ghi lại.
Hình 1. Quy trình phân tích hình ảnh và dữ liệu hiển vi hiện tại. Sau cùng, các nhà khoa học, kỹ sư và nhà nghiên cứu hướng đến việc khám phá và tìm ra câu trả lời ở cuối quy trình. Trong khi đó, quy trình bị phân mảnh và tốn nhiều công sức; thời gian/công sức tương đối cần thiết cho mỗi bước được thể hiện ở phía dưới. Phát hiện đặc trưng và tổng hợp là những giai đoạn tốn nhiều thời gian nhất trong quy trình. Các mũi tên màu xám dẫn ngược về bước thu nhận biểu thị việc phải thu nhận lại dữ liệu vì dữ liệu hiện tại 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 các cấu trúc hạt ảnh hưởng đến tính chất của vật liệu dùng trong điện tử, lớp phủ và các thiết bị năng lượng. Phân bố kích thước hạt chính xác đóng vai trò thiết yếu trong việc tìm hiểu cách các màng này biến đổi trong quá trình thí nghiệm.
Một trong những lý do chính khiến các model Ultralytics YOLO hiệu quả trong những trường hợp sử dụng này là khả năng nội suy trên các dataset lớn. Thay vì yêu cầu gán nhãn cho mọi khung hình trong một thí nghiệm, các nhà nghiên cứu chỉ cần chú thích một phần nhỏ hình ảnh, huấn luyện một model YOLO, rồi để model này phân tích đáng tin cậy hàng nghìn khung hình bổ sung. Nhờ đó, có thể theo dõi sự phát triển của hạt và những thay đổi tại ranh giới trong các thí nghiệm TEM tua nhanh theo thời gian với rất ít thao tác thủ công.
Tại sao chọn các model Ultralytics YOLO?#
Trong nghiên cứu về màng mỏng đa tinh thể được đề cập trước đó, Ultralytics YOLOv8 được phát hiện nhanh hơn U‑Net (một model thường được sử dụng để phân tích hình ảnh khoa học) tới 43 lần. Tốc độ này khiến YOLO trở nên thiết thực cho việc phân tích theo thời gian thực ngay trên kính hiển vi.
Trong khi U‑Net có độ chính xác cao nhưng chậm, 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 giúp model linh hoạt hơn, dễ dàng xử lý các quy mô và thiết lập huấn luyện khác nhau. Đối với các nhà nghiên cứu, điều này có nghĩa là thu được kết quả nhanh hơn mà không ảnh hưởng đến độ tin cậy, rất phù hợp để đẩy nhanh quy trình hiển vi.
Hình 2. So với truy vết thủ công (b) và U‑Net (c), phép phân đoạn YOLOv8 (d) cung cấp các đường viền sắc nét và chính xác hơn trên hình ảnh hiển vi. (Nguồn)
Giảm sai lệch và nâng cao tính nhất quán trong hiển vi với YOLO#
Thông qua nền tảng Theiascope™, Theia Scientific đã chứng minh rằng các model Ultralytics YOLO có thể đẩy nhanh quá trình phân tích hình ảnh hiển vi và các thí nghiệm TEM, đồng thời hỗ trợ nghiên cứu dài hạn có thể tái lập. Nền tảng này được thiết kế không phụ thuộc vào loại kính hiển vi, nghĩa là các model YOLO được sử dụng để phân tích hình ảnh thu thập từ nhiều thiết bị khác nhau mà không cần các pipeline tùy chỉnh. Tính linh hoạt này đảm bảo quy trình luôn nhất quán giữa các thí nghiệm, người vận hành và môi trường khác nhau.
Khả năng tái lập là một kết quả quan trọng khác. Nghiên cứu khoa học thường yêu cầu kết quả được xem xét và xác thực lại nhiều năm sau đó. Với nhiều model YOLO được tích hợp vào Theiascope™, các nhà nghiên cứu có thể chạy lại những model cũ như Ultralytics YOLOv5 trên các dataset lưu trữ để thu 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 các phát hiện trở nên đơn giản, ngay cả khi các phương pháp AI tiếp tục phát triển.
Hình 3. Nền tảng Theiascope™. Hình ảnh hiển vi điện tử được thu nhận và truyền trực tuyến từ máy tính thu nhận đến một thiết bị hỗ trợ 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 bằng các bản 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 các dataset lớn. Khả năng suy luận theo thời gian thực cho phép phân tích hàng nghìn hình ảnh TEM trong khoảng thời gian đủ để phân tích thủ công chỉ vài hình ảnh. Điều này giúp các nhà nghiên cứu theo dõi những quá trình động như sự phát triển của hạt trong toàn bộ thí nghiệm, tạo ra những hiểu biết mới và mở ra các thí nghiệm mới ở quy mô và tốc độ cần thiết cho nghiên cứu tiên tiến.
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 các phương pháp huấn luyện và phương pháp hiệu chuẩn, họ hướng đến việc nâng cao hơn nữa độ chính xác trên nhiều quy mô và điều kiện thí nghiệm.
Trong thời gian tới, Theia Scientific dự định mở rộng Theiascope™ để hỗ trợ các thí nghiệm phức tạp hơn, thực hiện in situ và các dataset đa phương thức. Họ tin rằng Vision AI nhiều khả năng sẽ trở thành một phần tiêu chuẩn trong quy trình nghiên cứu thế hệ tiếp theo, giúp đẩy nhanh quá trình khám phá và mang lại những hiểu biết sâu sắc hơn trong nhiều lĩnh vực khoa học.
Bạn muốn tinh gọn quy trình làm việc của công ty? Hãy xem repository GitHub của chúng tôi để tìm hiểu thêm về Vision AI. Khám phá cách các model YOLO đang thúc đẩy đổi mới trong những lĩnh vực như AI trong chăm sóc sức khỏe 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 định hướng phát triển của bạn.
