Нейросетевой алгоритм на основе YOLOv8 для обнаружения биообъектов на примере Daphnia magna
А.С. Олькова, Е.В. Медведева
Раздел: Методология и методы исследований. Модели и прогнозы
Автоматизация рутинных процедур биологических анализов является важной междисциплинарной задачей. В статье описан нейросетевой алгоритм для обнаружения биологических объектов мезоразмера. Биомоделью служили ракообразные Daphnia magna, часто используемые для биотестирования природных и техногенных сред. Алгоритм реализован на легковесной свёрточной нейронной сети (СНС) YOLOv8s. Для обучения и тестирования СНС использовались собственные фото- и видеоизображения D. magna, а также находящиеся в открытом доступе на платформах Roboflow и Kaggle. База изображений была представлена 12540 снимками, из которых 430 исходных, остальные – преобразованные с помощью функций сервиса Roboflow. Обучение проводилось в течение 150 эпох, при разрешении изображений 1280×1280 пикселей. С помощью встроенных функций «Object Tracking» и «Object Counting» реализованы процедуры подсчёта и отслеживания объектов. Алгоритм обнаруживает объекты на статических изображениях и на видео в режиме реального времени. Значения метрик оценки качества работы алгоритма: средняя точность – 89,8%; точность – 88,4%; полнота – 87,4%. Алгоритм направлен на снижение трудоёмкости методов биотестирования и повышения точности результатов обработки данных. Предложенный нейросетевой алгоритм обнаружения биообъектов может быть адаптирован через аналогичное обучение к поиску и подсчёту других живых организмов.
ISSN 1995-4301
Выбор параметров просмотра
