Un nuevo modelo ligero de aprendizaje profundo para la detección de cabezas de espermatozoides de verraco en imágenes...

Área de la Ciencia:

• Ciencias Veterinarias
• Biotecnología
• Visión por Computadora

Sus antecedentes:

• La detección precisa de cabezas de espermatozoides de verraco es crucial para la cría de animales y la gestión reproductiva.
• El recuento manual es subjetivo e ineficiente; los métodos automatizados existentes tienen dificultades con espermatozoides superpuestos o en movimiento rápido en imágenes de alta magnificación.

Objetivo del estudio:

• Desarrollar un modelo de detección de espermatozoides de verraco ligero y preciso (YOLO11_SRP) para escenarios microscópicos complejos.
• Mejorar las capacidades de reconocimiento de objetos pequeños para mejorar el análisis automatizado de espermatozoides.

Principales métodos:

• Se propuso un nuevo modelo ligero de detección de espermatozoides de verraco, YOLO11_SRP.
• Se integró una columna vertebral StarNet, un módulo de autocorrección rectangular y una capa de detección de bajo nivel para objetivos diminutos.
• Se evaluó el modelo en un conjunto de datos de imágenes microscópicas de espermatozoides de verraco y se comparó con el marco estándar YOLO11s.

Principales resultados:

• YOLO11_SRP logró una precisión media promedio (mAP@0.5) del 91,9%, una mejora del 13,9% con respecto a YOLO11s.
• El modelo redujo los parámetros en un 39% y el costo computacional en un 14,1% en comparación con YOLO11s.
• Demostró un rendimiento superior en la detección de cabezas de espermatozoides de verraco pequeñas y superpuestas.

Conclusiones:

• YOLO11_SRP ofrece una solución eficiente y precisa para la detección de cabezas de espermatozoides de verraco.
• El modelo apoya el desarrollo de pipelines fiables de análisis automatizado de espermatozoides.
• Esta tecnología puede ayudar significativamente en la selección de cría y la gestión reproductiva.