基于改进YOLOv5的舌面特征检测

来源：计算机测量与控制杂志2025年第4期北京时间：

作者：张德龙,金春阳,张志东,曹溪源,薛晨阳

摘要：针对传统中医舌诊视觉诊断存在主观性强且耗费精力的问题，提出一种基于改进YOLOv5的舌面齿痕和裂纹特征自动检测模型：该模型在YOLOv5模型的骨干网络中引入SimAM-CSP模块以增强网络的特征提取能力，在瓶颈层和预测部分之间加入瓶颈注意力模块，进一步聚焦关键信息；通过调整YOLOv5的特征融合结构，增加对图像细节的感知能力，提高网络性能；将定位损失函数GIoU替换为EIoU，提升模型的训练收敛速度和预测回归精度；利用K-Means聚类算法对YOLOv5的初始锚框进行调整，使算法更加契合舌面齿痕和裂纹特征检测；将改进后的YOLOv5模型在自制舌象数据集中进行训练，得到的平均检测精度（mAP）为79.5%，较原算法提升了6.3个百分点。实验结果表明改进YOLOv5模型能够有效提高舌面齿痕和裂纹特征检测精度，有助于辅助医生诊断。

关键词：YOLOv5;深度学习;目标检测;异常舌;舌诊

基金资助：山西省重点研发计划（202102130501011）；中北大学研究生科技立项（20231940）