基于改进的YOLOv5的人体血液细胞检测算法研究
刘昱洹 魏书伟^* 张立夫 魏书文

青岛恒星科技学院，山东青岛，266000；

摘要：随着计算机视觉和深度学习技术的快速发展，人体血液细胞检测在医学领域中起着重要作用。本研究基于改进的YOLOv5算法，旨在提高人体血液细胞检测的准确性和效率。首先介绍了YOLOv5算法的原理及其在目标检测中的应用，然后对YOLOv5进行改进，包括网络结构优化、数据增强和模型训练策略等方面的改进。最后通过实验验证了改进后的算法YOLOv5-Pro算法相比于YOLOv5在精确度、召回率和mAP等指标上分别提高了14.9、7.8和11.1个百分点，与其他现有网络结构相比，本文提出的算法在血液细胞图像分类识别方面表现最优。

关键词：YOLOv5；人体血液；细胞检测；图像拼接；网络结构改进；卷积神经网络

参考文献

[1]刘欢,吴亮红,张侣等.基于特征双融合中心网络的白细胞检测方法[J/OL].计算机应用,1-11[2024-01-02].

[2]马力,帅仁俊,刘文佳等.基于改进的残差神经网络的白细胞分类[J].计算机工程与设计,2020,41(10):2982-2987.

[3]王亚品，曹益平，付光凯，等.基于深度卷积神经网络的人体外周血白细胞显微图像分类[J].光电子·激光，2019，30（5）：546-555.

[4]耿磊，杨盟盟，肖志涛，等.结合通道空间加权特征金字塔网络的白细胞检测与分割[J].计算机辅助设计与图形学学报，2021，33（9）：1418-1427.

[5]王坛,王卫军,贺利乐等.改进YOLOv5s的细胞培养板分类识别方法研究[J].机械设计与制造,2023,(11):21-25+30.

[6]杨雪莹.基于深度学习的白细胞分类识别方法研究[D].西安：西安科技大学，2020：46-56.

[7]王静,孙紫雲,郭苹等.改进YOLOv5的白细胞检测算法[J].计算机工程与应用,2022,58(04):134-142.

[8]李国权,姚凯,庞宇.基于CNN的血液细胞图像自动识别算法[J].计算机科学,2022,49(04):247-253.