Analiza slik vrstičnega elektronskega mikroskopa z metodami strojnega učenjaKlenovšek, Lovro (Avtor) Žabkar, Jure (Mentor) Strojni vidračunalniški vidmikroskopijasegmentacijagloboko učenjefarmacevtski kristaliV magistrski nalogi je predstavljena problematika, s katero se soočajo farmacevti, ki izvajajo morfološko analizo farmacevtskih kristalov. Natančna karakterizacija kristalov, kot so velikost in oblika delcev, je ključnega pomena za zagotavljanje kakovosti in učinkovitosti farmacevtskih izdelkov. Tradicionalne metode, kot je ročna analiza slik, posnetih z vrstičnim elektronskim mikroskopom (SEM), so pogosto počasne, subjektivne in nagnjene k napakam. Glavni cilj te naloge je razviti avtomatizirano rešitev, ki bi nadomestila ročne metode in izboljšala natančnost ter hitrost prepoznavanja in merjenja delcev. Za dosego tega cilja so uporabljene metode globokega učenja, pri čemer je implementiranih več naprednih modelov strojnega vida, kot sta LOCA (mreža za štetje objektov z malo primeri z iterativno prilagoditvijo prototipa) in Efficient Segment Anything Model (EfficientSAM). Ta modela omogočata segmentacijo in prepoznavanje objektov na slikah, tudi v primerih, ko imamo malo ali nič učnih podatkov. Rezultati eksperimentov kažejo, da algoritem natančno prepozna in izmeri delce, hkrati pa odpravlja večino napak, ki so pogoste pri ročni analizi. Povprečna napaka pri merjenju dolžine delcev je bila minimalna, najvišja izmerjena odstopanja pa so bila zabeležena pri delcih, kjer je ročna analiza odstopala od dejanskih vrednosti. V teh primerih je algoritem pravilno zaznal delce, kar potrjuje prednosti avtomatizacije nad ročno analizo. Hitrost obdelave je bila znatno izboljšana, saj algoritem deluje skoraj v realnem času, kar omogoča obdelavo večjega števila slik v krajšem času. Tekom naloge smo ugotovili, da lahko sodobni algoritmi globokega učenja bistveno izboljšajo natančnost in učinkovitost pri analizi slik vrstičnega elektronskega mikroskopa. Naša rešitev omogoča natančno prepoznavanje delcev tudi v težkih primerih, kar odpira nove možnosti za avtomatizacijo in izboljšanje procesov v farmacevtski industriji. Rezultati raziskave kažejo, da bi se ta tehnologija lahko uspešno uporabljala v industrijskih okoljih, kjer so hitrost, natančnost in zanesljivost ključni dejavniki.20242024-10-02 14:15:02Magistrsko delo/naloga163137VisID: 37164COBISS_ID: 211105795sl