yolov论文-改进 YOLOv5s 的细胞培养板分类识别方法研究

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—YOLOv5s-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。