用轻量级深度学习模型在虫病原性线虫丰富样本中微观检测线虫
Atilla Erdinç1, Hilal Erdoğan1
1Department of Biosystems Engineering, Bursa Uludağ University, Bursa, Türkiye.
Journal of invertebrate pathology
|March 9, 2026
概括
自动检测昆虫病原性线虫 (EPNs) 现在更快,更可靠的LightDetectorMS,一个高效的计算机视觉工具用于生物控制研究. 与手动计数相比,这种框架大大加快了线虫量化的速度.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 遗体学 遗体学 是一个学科.
背景情况:
- 手动计数昆虫病原性线虫 (EPNs) 是劳动密集型和可变的.
- 自动检测对于生物控制研究和线虫生产至关重要.
- 现有的计算机视觉方法缺乏对微观图像的架构效率.
研究的目的:
- 为了介绍LightDetectorMS,一个超轻,无物体检测框架.
- 为了优化微观图像中Steinernema feltiae传染性幼虫的自动检测.
- 评估拟议模型的计算效率和检测可靠性.
主要方法:
- 开发了一个超轻,无物体检测框架 (LightDetectorMS).
- 优化了模型用于微观图像的Steinernema feltiae.
- 使用五倍交叉验证评估性能,并与人工专家计数进行比较.
主要成果:
- 光探测器MS 实现了高精度 (mAP@0.5:0.9119,mAP@0.5:0.95:0.8207) 的精度和回忆.
- 该模型的计算效率高,只有0.46 MB,处理速度为152.5 FPS.
- 已证明统计的一致性,在各指标的变化系数低于5%.
- 处理工作负载的速度是手工专家计数的数千倍.
结论:
- LightDetectorMS为EPN量化提供了一个计算效率高,统计学稳健的解决方案.
- 该框架支持实验室环境中的半自动化量化.
- 通过快速,可靠的检测,实现大规模的生物监测和生产工作流程.
