基于YOLOv11的微滴式数字PCR液滴检测与计数研究
陈筱1
朱强军1
王震宇2
李孝成1
1.芜湖学院计算科学学院 安徽芜湖 2410002.中国科学技术大学 安徽 合肥 230000
摘要：针对数字PCR图像因光照不均匀、液滴边缘模糊及背景干扰等问题导致的液滴检测性能偏低的核心瓶颈,文章提出了一种基于深度学习的数字PCR液滴检测与统计方法,旨在提升复杂图像场景下液滴检测的准确性与鲁棒性.在数据准备阶段,采用T-Rex Label自动定位与人工检查修正相结合的方式完成液滴标注,同时引入K-means聚类算法及像素平均值法实现阴、阳性液滴的快速区分,显著缩短了数据标注周期,提升了标注质量.模型构建环节,采用YOLOv11算法作为基础检测框架,结合多种数据增强策略开展模型训练与预测,并针对高、低两种亮度等级的图像分组设计对照实验,以验证方法在不同光照条件下的适应性.实验结果表明,所提方法在测试集上的检测准确度达97.64％,假阳性率低至2.28％;在高亮度组和低亮度组图像中,检测准确度分别为95.9％和95.4％,展现出优异的光照适应性与抗干扰能力.该研究提出的鲁棒性液滴检测方案,有效解决了数字PCR图像液滴检测中的关键技术问题,可为密集型多类别目标检测任务提供可靠的技术参考与实践范式.
关键词：数字PCR液滴图像YOLOv11CLAHET-Rex Label液滴识别与计数
资助基金：芜湖学院自然科学研究项目(WHKY-202410)
论文发表日期：2026-02-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 50-53 )