改进YOLOv5s的细胞培养板分类识别方法研究

Research on Improved Cell Culture Plate Detection Method of YOLOv5s

王坛 ¹王卫军 ²贺利乐 ³徐征²

扫码查看

作者信息

1. 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
2. 广州中国科学院先进技术研究所,广东广州 511458
3. 西安建筑科技大学机电工程学院,陕西西安 710055
折叠

摘要

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.

关键词

目标检测/图像增强/YOLO/损失函数/非极大值抑制/注意力机制

Key words

Target Detection/Image Enhancement/YOLO/Loss Function/Non-Maximum Suppression/Atten-tion Mechanism

引用本文复制引用

基金项目

合成生物学自动化铸造平台关键技术研发项目(2018YFA0902900)

合成生物多尺度操作设备研发项目(2018YFA0902903)

出版年

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

参考文献量3

段落导航