基于改进YOLOv7网络的结核杆菌检测方法研究.pdf

中文摘要

结核病是全球主要的公共卫生问题之一。据统计，每年有数百万人因结核病

而死亡或受到严重的身体损害，及早诊断结核杆菌具有重要现实意义。痰涂片因

其成本低廉且检测快速的优势成为早期诊断结核病的主要方式，传统检测由医生

通过显微镜观察染色痰涂片中的结核杆菌，存在工作量大、医生容易疲劳、易漏

检等问题，实现结核杆菌的智能化检测已成为必然发展趋势，而提高自动检测精

度和速度是智能化检测的关键因素。本文基于YOLOv7单阶段网络，从高精度

和轻量化两个方面对网络进行改进，并实现了快速的在线检测。主要工作如下：

（1）基于YOLOv7网络的高精度结核杆菌检测研究：在骨干网络中，针对

痰涂片背景干扰问题，分别在不同尺度的高效聚合网络后嵌入CABM注意力机

制，以增强模型对不同尺度特征的表征能力；在颈部网络中引入分离合并操作以

改进MPConv结构，减少深层网络因卷积下采样引起的图像特征损失；头部网

IntersectionoverUnion,IoU

络中基于交并比（）的损失函数，存在微小物体的预

测框与标签框相互包含或完全不相交的情况，无法为网络训练提供梯度，引进基

于高斯分布距离的损失函数，通过计算最小高斯距离的方式进行反向传播，避免

因梯度无法更新而导致的小目标漏检。消融实验与对比实验表明，以均值平均精

度作为评价指标，改进后的高精度模型达到了87.8%，相比基线YOLOv7网络模

型提升5.1个百分点，且优于现有的其他主流基准模型。

2YOLOv7

（）基于网络的轻量化结核杆菌检测研究：针对骨干网络中，尺

寸为20×20的ELAN模块在处理结核杆菌特征时存在大量无效计算，将其替换

为GhostNetv2bottleneck，通过线性映射的方式提高了计算效率；引入更高效的

深度可分离卷积取代颈部网络中ELAN-W模块的标准卷积操作，减少因标准卷

积参数过多而引起的过拟合现象；通过移除头部网络冗余的尺寸检测头及其相关

组件，在提高检测速度的同时适应结核杆菌小目标的检测特性。改进后的模型参

数量相比基线模型下降约为66%，计算量下降约为55.2%，且均值平均精度与基

线网络基本相同。

（3）基于上述模型，通过基于PyQt5开发的可视化交互界面实现了结核杆

菌的在线检测。

关键词：结核杆菌；深度学习；目标检测；YOLOv7；轻量化

I

目录

中文摘要I

ABSTRACTIII

1绪论1

1.1研究背景和意义1

1.2国内外研究现状2

1.2.1目标检测研究现状2

1.2.2结核杆菌检测研究现状3

1.3论文研究内容和组织结构5

2目标检测基础理论概述7

2.1传统目标检测方法7

2.1.1目标区域选取7

2.1.2特征提取8

2.1.3分类器9

2.2深度学习目标检测方法9

2.2.1双阶段网络FasterR-CNN9

2.2.2单阶段网络YOLOv711

2.3评价指标17

2.3.1参数量与计算量17

2.3.2交并比17

2.3.3准确率、召回率与mAP18

2.4本章小结18

3基于YOLOv7网络的结核杆菌小目标检测方法19

3.1基于YOLOv7网络的结核杆菌小目标检测19

3.1.1网络整体结构19

3.1.2基于CBAM的骨干网络20

3.1.3基于分离合并操作的颈部网络