従来の微藻検出方法は手動顕微鏡検査に依存し、分析時間が長く、検査者の技術経験に結果が左右されやすいという問題を解決するために、画像前処理統合戦略と改良されたYOLOv8モデルを組み合わせた深層学習手法を提案した。ガウシアンぼかし、ラプラシアン演算子、および主成分分析を組み合わせた多重手法統合戦略を用いて微藻の顕微鏡画像を前処理した。改良モデルではSPD-Convモジュールを導入し、細粒度情報の損失を減らして低解像度画像および小サイズの微藻の検出性能を向上させ、Slim-neck構造を採用してパラメータ数とモデルサイズを削減し、SimSPPFを加えてモデルの収束を高速化し、動作効率を高めた。結果は、多重手法統合前処理戦略が画像のノイズを大幅に減らし、微藻の輪郭の鮮明さを強化することを示した。同じ条件下で改良YOLOv8モデルの平均適合率（mAP）は92.2％に達し、検出効率は元のYOLOv8モデルより5.1％向上し、小サイズの微藻に対して優れた検出性能を示した。Faster-RCNN、SSD、RTDETR-l、YOLOv3、YOLOv5、YOLOv6、YOLOv7モデルと比較して、改良YOLOv8モデルのmAPはそれぞれ40.2％、6.8％、14.5％、1.2％、5.7％、4.7％、0.8％向上した。この方法は微藻種検出技術の開発に有用な参考となる。

微藻識別;画像前処理;YOLOv8モデル;深層学習