一种用于在疫苗环境中自动检测菌的方法
Ximing Li1, Qianchao Wang1, Lanqi Chen1
1College of Mathematics and Informatics, South China Agricultural University, Guangzhou 510642, China.
Veterinary sciences
|September 27, 2025
概括
一个新的AI模型,YOLO-Cocci,准确地检测疫苗中的子菌卵囊,改善质量控制和动物福利. 这一进步提高了疫苗的有效性,并减少了家禽业的损失.
科学领域:
- 兽医寄生虫学 兽医寄生虫学
- 动物健康中的人工智能
- 禽畜科学 禽畜科学 禽畜科学
背景情况:
- 子菌病在家禽行业造成重大经济损失.
- 准确检测Coccidia卵囊对于疫苗的质量控制和有效性至关重要.
- 现有的检测方法面临挑战,因为卵囊的大小,方向和物种相似性.
研究的目的:
- 开发一个准确和有效的模型,用于检测疫苗样本中的子Coccidia卵囊.
- 改进疫苗质量的自动评估,提高动物福利.
主要方法:
- 提出了YOLO-Cocci,这是一个基于YOLOv8n.的子菌体检测模型.
- 在骨干中集成了一个高效的多尺度注意力 (EMA) 模块.
- 开发了用于部的初始式多尺度融合金字塔网络 (IMFPN).
- 设计了一个轻量级的功能重建和部分解的检测头 (LFPD-Head).
主要成果:
- YOLO-Cocci实现了89.6%的mAP@0.5,比起基线有6.5%的改善.
- 模型参数和计算分别减少了14%和12%.
- 对于Eimeria necatrix检测的mAP@0.5增加了14%.
结论:
- 在疫苗中,YOLO-Cocci显著提高了子菌卵囊检测的准确性.
- 该模型为自动化质量评估提供了提高效率和降低计算成本.
- 这项技术有助于提高疫苗质量,减少经济损失,改善禽业的动物福利.
