-
题名基于改进YOLOv8的试管及液位识别算法
被引量：1
- 1
-
-
作者
张科
彭远刚
王跃明
汤建新
-
机构
湖南工业大学生命科学与化学学院
深圳市亚辉龙生物科技股份有限公司长沙亚辉龙生物科技有限公司
深圳市亚辉龙生物科技股份有限公司深圳市亚加达信息技术有限公司
-
出处
《计算机应用》
CSCD
北大核心
2024年第S2期296-301,共6页
-
基金
国家自然科学基金资助项目(51774128)
湖南省自然科学基金资助项目(2023JJ50184,2023JJ40263,2024JJ7137)。
-
文摘
在全自动医疗检验流水线的前处理阶段,针对传统检测方法检测试管规格和液位的识别率低、速度慢等问题,提出一种基于改进YOLOv8的试管及液位识别算法。首先,采用轻量化ADown模块替换主干网络中的Conv模块以进行特征提取和下采样,从而在减小模型大小的同时提取更多有效信息;其次,采用双向特征金字塔网络(BiFPN)进行特征融合,通过双向连接和跳跃连接融合更多层次的特征信息;同时,在颈部引入全维动态卷积(ODConv)并设计C2f-ODConv模块,以增强特征提取的能力;最后,引入Inner-CIoU边框损失函数,从而通过辅助边框加速模型收敛。实验结果表明,所提算法在自制的数据集上的精确率、召回率和平均精度均值(mAP@50)分别提升了3.6、4.8和5.0个百分点,计算量(FLOPs)下降了13.6%。可见,所提模型可实现真实场景下对试管与液位的准确识别。
-
关键词
YOLOv8
试管检测
液位检测
双向特征金字塔网络
全维动态卷积
辅助边框
-
Keywords
YOLOv8
test tube detection
liquid level detection
Bi-directional Feature Pyramid Network(BiFPN)
Omni-dimensional Dynamic Convolution(ODConv)
auxiliary bounding box
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
