科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 针对复杂多变的实际应用场景，因基于传统图像处理技术的试管液位检测算法存在识别率不高的缺陷，设计一种基于YOLOv5的试管样本液位检测算法。方法 首先采用Labelme对试管液位数据集进行图片标注，对json标注文件进行格式转换，搭建YOLOv5网络模型训练环境，修改预训练模型配置文件，启动模型权重数据迁移训练，并输出最优模型参数以及评估指标迭代变化曲线。结果 加载测试数据集对训练最优模型算法进行效果测试，算法对正常及异常样本图片均能识别出样本液位，并通过与基于传统图像处理技术的识别算法老化对比测试，其具有更高的识别正确率与精确率。结论 基于YOLOv5的试管样本液位检测算法检测准确性高，鲁棒泛化能力强，可满足医疗设备实际的检测需求，市场应用前景良好。
-
单位中国科学院，安徽光学精密机械研究所; 桂林医学院附属医院; 桂林星辰科技股份有限公司; 中国科学院安徽光学精密机械研究所; 桂林优利特医疗电子有限公司
