基于YOLOv5s的细胞培养板分类识别方法改进研究

简介：
本研究针对细胞培养板图像特点，对YOLOv5s模型进行优化，提出一种高效的细胞培养板分类与识别算法，提升检测精度和速度。 为解决传统生物实验室自动化程度低且效率低的问题，我们提出了一种基于YOLOv5s的细胞培养板分类识别算法——YOLOv5s-tiny。首先采用多尺度同态滤波颜色恢复算法对输入图像进行预处理，提升了图像的质量；然后根据实验场景剪枝小目标检测层，并用深度可分离卷积替换普通卷积以减少参数量和提高运算速度；引入距离交互比损失函数及软化非极大值抑制算法来加快收敛并提升边界框的准确率；同时加入卷积块注意力机制，解决了局部遮挡与漏检问题。最后通过实验验证了该YOLOv5s-tiny算法在细胞培养板分类识别上的高效性和准确性，相较于原始YOLOv5s算法，其准确率和召回率分别提高了4.5% 和1.4%，从而提升了生物实验室的工作效率。