Ottimizzazione dei parametri e analisi delle condizioni dell'immagine per la valutazione della messa a fuoco con uno studio proof-of-concept basato sull'apprendimento automatico

Abstract

Questo progetto di tesi di master documenta uno stage svolto presso Foresee Biosystems, startup supportata dall'Istituto Italiano di Tecnologia. Il focus della startup è lo sviluppo di IntraCell, un apparecchio all'avanguardia che utilizza tecnologie LASER per analizzare gli effetti di diverse sostanze sulle cellule cardiache. In cinque mesi, l'obiettivo era migliorare l'algoritmo di autofocus per IntraCell, essenziale per osservazioni cellulari accurate e ottoporese cellulari ottimali nel punto focale corretto.

La ricerca ha valutato metodologie, incluso l'operatore Sobel, per costruire una "Performance curve", componente chiave per il rilevamento della messa a fuoco. Integrando i metodi più accurati in algoritmi di Machine Learning, come la Regressione Vettoriale di Supporto, la gamma di fuoco efficace è stata significativamente estesa. Una Rete Neurale Convoluzionale è stata inoltre integrata per la classificazione delle immagini, migliorando la determinazione autonoma della messa a fuoco.

Lo studio ha messo in evidenza anche l'importanza del controllo ad anello chiuso e dell'applicazione di strategie di controllo fuzzy. La procedura di autofocus include attività come la gestione dei comandi del motore Z, la cattura continua delle immagini, l'elaborazione delle immagini, la creazione di curve di prestazione, la previsione delle tendenze delle curve di prestazione, l'uso di reti neurali per la classificazione delle immagini e l'implementazione del controllo fuzzy.

In conclusione, la ricerca mostra un'integrazione armoniosa tra tecnologie avanzate e metodologie di machine learning sofisticate. Questa sinergia ha migliorato notevolmente le capacità di autofocus in ambiti come la computer vision, l'elaborazione delle immagini e la robotica, rappresentando un passo avanti significativo.

This master’s thesis project records a period of internship conducted at Foresee Biosystems, a cutting-edge startup nurtured by the Italian Institute of Technology. The core mission of this startup revolves around the creation of IntraCell, an innovative apparatus that employs advanced LASER-based technology to assess the impacts of various substances on cardiac cells. Over the course of five months, the main goal of the internship was to concentrate on enhancing the autofocus algorithm for IntraCell—a critical element for achieving accurate cell observation and optimal cell optoporation at the correct focal point. The research involved evaluating various methodologies, including the Sobel operator, for constructing a "Performance curve", a critical component for focus detection. Integration of the most accurate methods into Machine Learning algorithms, such as Support Vector Regression, significantly expanded the effective focus range. Additionally, a Convolutional Neural Network was integrated for image classification, substantially improving autonomous focus determination. The study also highlighted the significance of closed-loop control and applied fuzzy control strategies. The autofocus procedure involves a series of tasks, including handling Z motor commands, ongoing image capture, image processing, creating performance curves, predicting performance curve trends, employing neural networks for image classification, and implementing fuzzy control. This research highlights the seamless amalgamation of cutting-edge technologies and intricate machine learning methodologies. This synergy has culminated in the refinement of autofocus capabilities within the fields of computer vision, image processing, and robotics, marking a significant stride forward.