基于改进YOLOv5的菌落计数算法研究

针对菌落计数问题,人工计数方法存在效率低、精度不高的问题。为了解决这些问题,提出了一种改进YOLOv5的模型,即YOLOES。该模型通过添加小目标检测层,并将Kmeans算法替换为Kmeans++算法,以更好地适应不同尺寸的目标;同时,采用Focal-EIoU损失函数解决难易样本的问题,引入了SPPCSPS(Spatial Pyramid Pooling Convolutional Spatial Pyramid Convolution)模块以增强特征表示能力,并在特征提取阶段引入了置换注意力机制。通过在大肠杆菌菌落数据集进行实验验证,结果显示相较于初始的YOLOv5模型,YOLOES的mAP@0.5提升了17.3百分点,表明YOLOES在菌落检测任务上具有更优越的性能。