来源：期刊VIP网 时间：
作者：李晨露;牛嘉琦;王莉;牛群峰;
单位：河南工业大学电气工程学院;上海交通大学电子信息与电气工程学院;
摘要：为解决因血细胞粘连和重叠而导致的识别准确率低、漏检较为严重的问题，提出一种基于YOLOv10的改进算法BSTM-YOLO。通过在主干网络引入Swin Transformer，加强网络对弱目标的发现与表征能力，提升血小板检测精度；颈部网络采用BiFPN，通过跨层级的融合机制增强特征表示能力，提取更为丰富的红细胞特征以提高目标检测性能；最后将C2f＿MSBlock模块嵌入主干网格，使用分层特征融合策略和异构卷积核选择协议，在减少特征冗余的同时提高识别准确率。实验结果表明，改进后的BSTM-YOLO的平均精度均值（mAP）为93.1%，比原YOLOv10提高2.7%，参数量降低7%,GFLOPs降低3.7%，节省了计算资源，同时提高了识别准确率，满足了实际场景对血细胞检测的要求。
关键词：血细胞检测;;YOLOv10;;BSTM-YOLO;;Swin Transformer;;BiFPN;;MSBlock
基金资助：河南工业大学创新创业基金计划专项（2022ZKCJ03）
