اكتشف كيف يستفيد مارتن شاتز من موقع YOLOv5 لتحليل الصور بكفاءة في أبحاث الأمراض المعدية وإحصاء المستعمرات ومراقبة الحياة البرية.
هل سبق لك أن اضطررت إلى تقييم عدد لا يحصى من الصور والبيانات والنتائج وما إلى ذلك؟ لجعل العملية أكثر تعقيدا ، هل سبق لك إجراء هذه التقييمات يدويا؟ بالطبع ، إنها تستغرق وقتا طويلا بشكل لا يصدق.
بالنسبة لمارتن شاتز ، YOLOv5 ثبت أنها أداة مفيدة في تقليل الوقت اللازم لتحليل الصور المشاركة في أبحاث الأمراض المعدية ورصدها. بينما يقوم مارتن بالعديد من الوظائف في وظيفة واحدة ، يركز جوهر عمله على تحليل الصور الحيوية ، وهو قطاع يصفه بأنه "النقطة بين علوم الكمبيوتر والبيولوجيا". أردنا معرفة المزيد عن عمل مارتن في مراقبة المستعمرات والعد ، لذلك جلسنا وطرحنا عليه بعض الأسئلة.
منطق مارتن وراء التنفيذ YOLOv5 لمشاريعه تنبع من الحاجة إلى أتمتة العمليات الحالية للكشف عن الكائنات وتصنيفها وعدها. يهدف مارتن أيضا إلى استخدام YOLOv5 لحالات مثل تجربة التطور على المدى الطويل.
في المختبرات ، يتم حساب المستعمرات البكتيرية المزروعة على ألواح الآجار يدويا بواسطة الفنيين. لسوء الحظ ، يمكن أن يؤدي العد اليدوي إلى نتائج عرضة للخطأ. لمعالجة هذه المشكلة ، استخدم مارتن YOLOv5 لأتمتة عملية العد. وقد قلل هذا النهج إلى حد كبير من الخطأ والوقت المرتبطين باكتشاف المستعمرات وتصنيفها.
لإجراء اختبارات في العالم المجهري ، من الضروري تقييم اللطاخات. لا تزال هذه عملية يتم تنفيذها يدويا في الغالب. وكما نعلم ، فإن العمليات اليدوية أكثر عرضة للخطأ والتباين في النتائج. بالإضافة إلى ذلك ، في حين توجد أدوات مناسبة للكشف عن الكائنات لأشكال معينة ، توجد أدوات أكثر تخصصا للعد التلقائي وتصنيف الكائنات المختلفة.
"يسجل زملائي الحياة البرية في الغابات والمواقع الأخرى وعادة ما يتصفحون مقاطع الفيديو يدويا ، مما يعني أنه يتعين عليهم الجلوس وتصفح مئات مقاطع الفيديو."
مع الأخذ في الاعتبار أن البحث يدويا عن مثيل لخنزير بري أو غزال على مقطع فيديو يمكن أن يستغرق وقتا باهظا ، عرف مارتن أن اكتشاف الأشياء يمكن أن يحسن هذه العملية بالتأكيد. هنا YOLOv5 مما يسمح باكتشاف الحياة البرية بسهولة وعلى الفور عندما يدخل خط رؤية الكاميرا.
للحصول على درجة الماجستير ، درس مارتن ما يحب أن يسميه "الأساليب الكلاسيكية لتحليل الصور". أثناء الانتهاء من دراسته ، أصبح التعلم العميق يتم الحديث عنه أكثر فأكثر ، والذي كان يطلق عليه في ذلك الوقت "الشبكات التلافيفية".
خلال هذه الفترة ، كان مارتن يعمل على بيانات التعدين ، والتي لم تكن قابلة للاستخدام بشكل كبير. أراد مارتن أن يكون قادرا على جعل يديه متسخة بالبيانات ، واختار الغوص في عالم التعلم الآلي والرؤية الذكاء الاصطناعي.
في الوقت الحالي ، يمكن أن تكون عملية تعلم ML والرؤية الذكاء الاصطناعي معقدة للغاية. كشخص يستخدم الرؤية الذكاء الاصطناعي لبعض الوقت ، ذكر مارتن ثلاث نقاط لأي شخص يتطلع إلى البدء:
مارتن شاتز باحث يدرس أيضا مع التركيز على تحليل الصور الحيوية ومعالجة البيانات في الفحص المجهري متحد البؤر. الدافع وراء المشروع الذي يعمل عليه مارتن هو تحسين عملية تحليل الصور لأبحاث الأمراض المعدية ومراقبتها. يمكنك العثور على الوثائق والتفاصيل وراء مشاريع مارتن الثلاثة في مستودع GitHub الخاص به. بالإضافة إلى ذلك ، يعد مارتن جزءا من NEUBIAS ، وهي منظمة تروج للأدوات الأكثر استخداما لتحليل الصور العلمية في علم الأحياء / الفحص المجهري ، بما في ذلك نماذج التعلم العميق المدربة هذه في حديقة النموذجية.
نريد أن نسلط الضوء على YOLOv5 حالة الاستخدام كذلك! ضع علامة علينا على وسائل التواصل الاجتماعي @Ultralytics مع #YOLOvME للحصول على فرصة للظهور.
