MIP-YOLO：显微图像法注射液中不溶性微粒的检测模型

来源：计算机工程与应用杂志2025年第16期北京时间：

作者：杨达, 刘伟, 王雅静, 张宗强, 秦福元

单位：1.山东理工大学 电气与电子工程学院，山东 淄博 255000；2.澳谱特科技（上海）有限公司，上海 201109

摘要：准确检测注射液中的不溶性微粒种类和数量对于提高注射液质量具有重要作用。针对不溶性微粒中的小目标检测难题，提出了一种基于YOLOv8s的改进模型MIP-YOLO（microscopic insoluble particles-YOLO），用于准确检测不溶性微粒中的玻璃、橡胶等特征微粒。在颈部网络中使用部分卷积，引入重参数化模块对部分卷积进行改进，提出了DPC2f模块，增加梯度流动能力，降低漏检、误检率，并结合三重注意力机制提出了DPTC2f模块，在减少冗余信息的同时，增强模型在不同维度的特征提取能力。引入NWD（normalized Wasserstein distance）损失函数替换CIoU损失函数，降低对不溶性微粒位置偏差的敏感性。优化了颈部网络检测层结构，提升浅层信息和深层信息的融合能力，降低模型的参数量。设计了协同池化坐标注意力机制，提高模型对微粒显著特征的提取能力。实验结果表明，MIP-YOLO的精度和mAP分别达到了89.0%和90.5%，在参数量下降40%的同时，相比YOLOv8s，精度和mAP分别提升了5.4和3.0个百分点，提高了模型的检测效果。

关键词：不溶性微粒,显微图像,特征检测,YOLOv8s,小目标检测,重参数化