基于改进YOLOv10s网络的大视场显微场景微生物目标检测方法

本发明公开了一种基于改进YOLOv10s网络的大视场显微场景微生物目标检测方法，包括以下步骤：数据集采集；构建训练数据集；图像特征提取；图像特征融合；目标检测结果输出。本发明改进YOLOv10s网络的大视场显微场景微生物目标检测方法包括提出多方向空间到深度转换，在YOLOv10骨干网络中的P1至P3层替换原有的跨步卷积，通过空间到深度的转换方式实现无损下采样，同时利用多方向卷积核捕捉微生物多样化的形态特征。设通过双分支自适应非局部注意力机制，该模块基于非局部注意力机制，通过双分支结构自适应融合大核卷积特征和点特征，在密集区域增强上下文信息表达能力，在稀疏区域保持精确定位。引入DySample动态上采样模块，替换标准的上采样操作，通过学习空间偏移量实现内容感知的自适应上采样，提高模糊目标边界的定位精度。