首页|改进YOLOv5s的细胞培养板分类识别方法研究

改进YOLOv5s的细胞培养板分类识别方法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统生物实验室自动化程度低、效率低的问题,提出一种基于YOLOv5s的细胞培养板分类识别算法—YO-LOv5s-tiny.首先通过多尺度同态滤波颜色恢复算法对输入端图像进行预处理,提高了图像的成像效果;在考虑实验场景的情况下对小目标的检测层进行剪枝;使用深度可分离卷积代替普通卷积,减少了模型的参数量,提高了运算速度;采用距离交互比损失函数及软化非极大值抑制算法,加快了收敛速度,提高了边界框的准确率;加入卷积块注意力机制,解决了检测过程中局部遮挡和漏检问题;最后,使用YOLOv5s-tiny算法对细胞培养板进行实验.通过与原始YOLOv5s算法比较,验证该算法能快速、准确的对细胞培养板进行分类识别,准确率和召回率分别提高了4.5%和1.4%,提高了生物实验室的工作效率.
Research on Improved Cell Culture Plate Detection Method of YOLOv5s

Target DetectionImage EnhancementYOLOLoss FunctionNon-Maximum SuppressionAtten-tion Mechanism

王坛、王卫军、贺利乐、徐征

展开 >

西安建筑科技大学机电工程学院,陕西 西安 710055

广州中国科学院先进技术研究所,广东 广州 511458

目标检测 图像增强 YOLO 损失函数 非极大值抑制 注意力机制

合成生物学自动化铸造平台关键技术研发项目合成生物多尺度操作设备研发项目

2018YFA09029002018YFA0902903

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.393(11)
  • 3