在绵羊中精确检测Eimeria卵囊:基于显微镜图像的深度学习模型
Liangliang Liu1, Jinpu Xie1, Huikai Qin1,2,3
1College of Veterinary Medicine, Henan Agricultural University, No. 15 Longzihu University Area, Zhengdong New District, Zhengzhou, Henan Province, 450046, People's Republic of China.
Parasites & vectors
|November 13, 2025
概括
这项研究介绍了YOLO-GA,这是一种用于检测绵羊中的Eimeria卵囊的AI模型. 它实现了高精度和实时性能,改善了牲畜中的寄生虫感染诊断.
科学领域:
- 兽医寄生虫学 兽医寄生虫学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 寄生虫感染导致畜牧业生产率大幅下降.
- 传统的显微镜诊断是耗时的,需要专业知识.
- 自动化系统在显微镜数据中与小的重叠目标作斗争.
研究的目的:
- 开发一个增强的物体检测框架,YOLO-GA,用于在绵羊显微镜图像中准确识别Eimeria卵囊.
- 提高对牲畜寄生虫感染的自动诊断能力.
主要方法:
- 利用了YOLOv5架构,并添加了上下文转换器 (CoT) 和规范化注意力机制 (NAM) 来增强功能提取.
- 优化了模型的高精度和计算效率.
- 在2000张绵羊显微镜图像的数据集上进行训练和评估.
主要成果:
- YOLO-GA实现了98.9%±0.1.1%的平均精度 (mAP@0.5) 的平均精度.
- 证明了高精度 (95.2%±0.3) 和实时推断速度.
- 性能优于其他先进的物体检测模型,如YOLOv8,YOLOv10和DETR变体.
结论:
- YOLO-GA为自动化Eimeria卵检测提供了一个准确且计算效率高的解决方案.
- 该框架支持对绵羊菌病的智能诊断和可扩展的群体健康监测.
- 突出了扩展到其他小反动物菌病诊断的可能性.
