iOk Platform for Automatic Search and Analysis of Objects on Images Using Artificial Intelligence in the Study of Supported Catalysts

A. V. Nartova; Нартова А. В.; A. V. Matveev; Матвеев А. В.; M. Y. Mashukov; Машуков М. Ю.; V. A. Belotserkovskii; Белоцерковский В. А.; N. N. Sankova; Санькова Н. Н.; V. Y. Kudinov; Кудинов В. Ю.; A. G. Okunev; Окунев А. Г.

doi:10.31857/S045388112304010X

Платформа iOk для автоматического поиска и анализа объектов на изображениях с использованием искусственного интеллекта в изучении нанесенных катализаторов

Авторы: Нартова А.В.¹^,2, Матвеев А.В.², Машуков М.Ю.², Белоцерковский В.А.², Санькова Н.Н.¹^,2, Кудинов В.Ю.², Окунев А.Г.²
Учреждения:
1. ФГБУН ФИЦ Институт катализа им. Г.К. Борескова СО РАН
2. ФГАОУ ВО Новосибирский национальный исследовательский государственный университет
Выпуск: Том 64, № 4 (2023)
Страницы: 457-465
Раздел: 7-я Международная школа-конференция молодых ученых “Катализ: от науки к промышленности”
URL: https://stomuniver.ru/0453-8811/article/view/660313
DOI: https://doi.org/10.31857/S045388112304010X
EDN: https://elibrary.ru/RRIKTW
ID: 660313

Цитировать

Полный текст

Открытый доступ
Доступ закрыт

Доступ предоставлен
Доступ закрыт

Только для подписчиков

Аннотация
Об авторах
Список литературы
Дополнительные файлы
Статистика

Аннотация

В работе представлена платформа iOk, объединяющая веб-сервис ParticlesNN и Telegram-боты DLgram и No Code ML для автоматического поиска и анализа объектов на изображениях с использованием искусственного интеллекта. Платформа позволяет работать с любыми видами изображений (электронная, зондовая, оптическая микроскопии, фотографии) любого качества без предварительных обработок. Пользователи имеют возможность самостоятельно обучать нейронную сеть на своих изображениях. Результат распознавания изображений – объекты, их площадь и размеры, а также положение на изображении. Сервисы находятся в свободном доступе, при этом для их использования навыки программирования не требуются. Платформа iOk – удобный для пользователей инструмент для работы с любыми видами изображений по автоматическому поиску объектов и определению их параметров.

Ключевые слова

глубокое машинное обучение, искусственный интеллект, микроскопия, анализ изображений, анализ частиц

Список литературы

Nartova A.V., Kovtunova L.M., Khudorozhkov A.K., Shefer K.I., Shterk G.V., Kvon R.I., Bukhtiyarov V.I. // Appl. Catal. A: Gen. 2018. V. 566. P. 174.
Смирнов М.Ю., Вовк Е.И., Нартова А.В., Калинкин А.В., Бухтияров В.И. // Кинетика и катализ. 2018. Т. 59. № 5. С. 631. (Smirnov M.Y., Vovk E.I., Nartova A.V., Kalinkin A.V., Bukhtiyarov V.I. // Kinet. Catal. 2018. 59. P. 653–662.)
Schindelin J., Arganda-Carreras I., Frise E., Kaynig V., Longair M., Pietzsch T., Preibisch S., Rueden C., Saalfeld S., Schmid B., Tinevez J.-Y., White D.J., Hartenstein V., Eliceiri K., Tomancak P., Cardona A. // Nat. Methods. 2010. V. 9. P. 676.
Horcas I., Fernandez R., Gomez-Rodriguez J.M., Colchero J., Gomez-Herrero J., Baro A.M. // Rev. Sci. Instrum. 2007. 78. P. 013705.
Krizhevsky A., Sutskever I., Hinton G. / In Proceedings of the Annual Conference on Neural Information Processing Systems (NIPS 2012), Lake Tahoe, NV, USA, 3–8 December 2012. P. 1.
Liu W., Anguelov D., Erhan D., Szegedy C., Reed S., Fu C.-Y., Berg A.C. / Lecture Notes in Computer Science. Eds. Leibe B., Matas J., Sebe N., Welling M., Cham, Switzerland: Springer, 2016. V. 9905. P. 21.
He K., Gkioxari G., Dollar P., Girshick R. / In Proceedings of the 2017 IEEE International Conference on Computer Vision (ICCV), Venice, Italy, 22–29 October 2017. P. 2980.
Stringer C., Michaelos M., Pachitariu M. // Nature Methods. 2021. V. 18. № 1. P.100.
Moen E., Bannon D., Kudo T., Graf W., Covert M., Valen D. // Nat. Methods. 2019. V. 16. № 12. P. 1233.
Caicedo J., Goodman A., Karhohs K., Cimini B., Ackerman J., Haghighi M., Heng C., Becke T., Doan M., McQuin C., Rohban M., Singh S. // Nat. Methods. 2019. V.16. № 12. P.1247.
Kudinov V.Yu., Mashukov M.Yu., Maslova E.A., Orishchenko K.E., Okunev A.G., Matveev A.V. / Proceedings-2020 Science and Artificial Intelligence Conference, S.A.I.ence, Novosibirsk, Russia, 2020. 9303201. 2020. P. 17.
Okunev A.G., Mashukov M.Y., Nartova A.V., Matveev A.V. // Nanomater. 2020. V. 10. № 7. P. 1285:1.
Fu G., Sun P., Zhu W., Yang J., Cao Y., Ying-Yang M., Cao Y.A. // Opt. Lasers Eng. 2019. V. 121. P. 397.
Berg S., Kutra D., Kroeger T., Straehle C., Kausler B., Haubold C., Schiegg M., Ales J., Beier T., Rudy M., Eren K., Cervantes J., Xu B., Beuttenmueller F., Wolny A., Zhang C., Koethe U., Hamprecht F., Kreshuk A. // Nat. Methods. 2019. V. 16. P. 1226.
Okunev A.G., Nartova A.V., Matveev A.V. / In Proceedings of the International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON), Novosibirsk, Russia, 21–27 October 2019. P. 0940.
Zhu H., Ge W., Liu Z. // Appl. Sci. 2019. V. 9. P. 3312.
Liu Y., Xu K., Xu J. // Appl. Sci. 2019. V. 9. P. 3127.
Feng S., Zhou H., Dong H. // Mater. Des. 2019. V. 162. P. 300.
Yang T., Xiao L., Gong B., Huang L. // In Proceedings of SPIE, Optoelectronic Imaging and Multimedia Technology VI. Eds. Dai Q., Shimura T., Zheng Z., International Society for Optics and Photonics: Bellingham, WA, USA, 2019. V. 11187. P. 1118718.
Ziatdinov M., Dyck O., Maksov A., Li X., Sang X., Xiao K., Unocic R., Vasudevan R., Jesse S., Kalinin S.V. // ACS Nano. 2017. V. 11. P. 12742.
Modarres M.H., Aversa R., Cozzini S., Ciancio R., Leto A., Brandino G.P. // Sci. Rep. 2017. V. 7. P. 13282.
Qu E.Z., Jimenez A.M., Kumar S.K., Zhang K. // ACS Macromolecules. 2021. V. 54. P. 3034.
Monchot P., Coquelin L., Guerroudj K., Feltin N., Delvallée A., Crouzier L., Fischer N. // Nanomater. 2021. V. 11. P. 968.
Nartova A.V., Mashukov M.Yu., Astakhov R.R., Kudinov V.Yu., Matveev A.V., Okunev A.G. // Catalysts. 2022. V. 12. № 2. P. 135:1.
Cai Z., Vasconcelos N. // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Salt Lake City, USA, June 18–22, 2018. P. 6154.
mmdetection [Электронный ресурс]. Электрон. дан. (11 файлов). URL: https://github.com/open-mmlab/mmdetection, свободный. Яз. англ. (дата обращ. 26.02.2021).
Wada K. Labelme: Image Polygonal Annotation with Python [Электронный ресурс]. GitHub repository. Электрон. дан. (16 файлов). 2016. URL: https://github.com/wkentaro/labelme, свободный. Яз. англ. (дата обращ. 20.01.2021).
Everingham M., Van Gool L., Williams C.K.I., Winn J., Zisserman A. // Int. J. Comput. Vision. 2010. V. 88. № 2. P. 303.
COCO API – Dataset. Available online: https://github.com/cocodataset/cocoapi (accessed on 01.06.2020).
Матвеев А.В., Машуков М.Ю., Нартова А.В., Санькова Н.Н., Окунев А.Г. // Физико-химические аспекты изучения кластеров, наноструктур и наноматериалов. 2021. Т. 13. С. 300.