YOLOv5s-tiny算法优化细胞培养板分类识别研究

针对生物实验室自动化和效率低的问题，本研究提出了一种基于YOLOv5s-tiny算法的细胞培养板分类识别方法。首先通过多尺度同态滤波颜色恢复算法进行图像预处理，提高了图像的成像效果。在考虑实验场景条件的情况下，对小目标的检测层进行剪枝，并采用深度可分离卷积来减少模型参数量，提高运算速度。同时，引入距离交互比损失函数和软化非极大值抑制算法，加快了算法的收敛速度，提高了边界框的准确率。此外，还加入了卷积块注意力机制，有效解决了局部遮挡和漏检问题。实验结果表明，与原始YOLOv5s算法相比，本算法在细胞培养板分类识别方面表现出更高的准确率和召回率，分别提高了4.5%和1.4%，从而提高了生物实验室的工作效率。