YOLOv9-alapú AI 0.1 pixeles pontossággal méri a részecskéket
A kutatásban egy új mélytanulási keretrendszerrel, a DefocusTrackerAI-val érték el a 0.1 pixeles pontosságot. A modell a YOLOv9 objektumdetektáló modellre épül, és szinesztetikus adathalmazon lett betanítva.
A DefocusTrackerAI egy új, általánosított mélytanulási keretrendszer, amely képes a fókuszálatlan részecske-képek automatikus felismerésére és pozícióbecslésére, bármilyen optikai konfigurációban — írja a kutatás.
A fejlesztők a Faster R-CNN és a YOLOv9 objektumdetektáló modellek közül a YOLOv9-et választották. A modellt szinesztetikus adathalmazon tanították be, amely asztigmatikus és nem-asztigmatikus, különböző átmérőjű, fókuszálatlan részecske-képeket tartalmazott. Az értékelés során a YOLOv9 felülmúlta a Faster R-CNN-t, különösen nagy részecskesűrűség esetén érte el magasabb felbontást és alacsonyabb bizonytalanságot.
Kapcsolódó: Képmanipuláció elleni védelem
A YOLOv9 modell 0.1 és 0.4 pixeles bizonytalansággal képes detektálni a részecskéket, akár 0.5-ös részecskesűrűség mellett is, ezzel felülmúlva a jelenlegi legjobb algoritmusokat. A rendszer képes asztigmatikus és nem-asztigmatikus képek felismerésére különböző megvilágítási körülmények között.
Kapcsolódó: Mozgó tárgyak csoportosítása
A DefocusTrackerAI-t valós kísérletekben is tesztelték, többek között fluoreszcencia és árnyékkép adatokon. A kutatók szerint az eszköz alkalmas permetek és cseppek követésére is, túlmutatva a hagyományos DPT (Defocus Particle Tracking) alkalmazásokon.
Kapcsolódó: Gyorsabb mellkasröntgen diagnózis
A YOLOv9-en alapuló, előre betanított DefocusTrackerAI verzió elérhető a GitLab-on. A modell nagy pontossággal képes bármilyen típusú fókuszálatlan részecske-kép automatikus felismerésére, és alkalmas háromdimenziós követésre is, megfelelő kalibrációval kombinálva.
Kapcsolódó: Objektumfelismerés sötétben