基于深度学习技术的酵母菌自动计数系统开发

摘要

为解决微生物学实验教学中酵母菌计数板人工计数效率低、主观性强的问题，本文构建了一套自动计数系统，提出“YOLO双模型串联”策略结合数据增强与随机梯度下降完成训练，开发了Windows软件Yemina。结果表明，细胞识别在验证集上Precision 97.9%、Recall 96.7%、F1 97.3%、m AP@50 97.8%；方格识别Precision/Recall/F1均为100%、mAP@50 99.5%；相较传统软件，单图处理时间1.06 s（对照69.63 s），平均相对误差5.95%（对照10.04%）。综上，本系统在保证精度的同时显著提升计数效率与一致性，为AI与实验教学的融合提供了可复现的技术方案与实用化工具。

关键词

酵母菌计数 / 深度学习 / YOLO模型 / 实验教学

基金资助

华中科技大学2025年本科人工智能教育与赋能教学研究专项（AIZX2025006）; 教育部2023—2024年度基础学科拔尖学生培养计划2.0研究课题（20231003）; 华中科技大学实验技术研究项目（2025-1.3-12）