전통적인 미세조류 검출 방법은 수작업 현미경 검사가 필요하고 분석 시간이 길며 검사자의 기술 경험에 따라 결과가 영향을 받는 문제를 해결하기 위해, 개선된 YOLOv8 모델을 결합한 이미지 전처리 통합 전략을 딥러닝 방법으로 제안하였다. 가우시안 블러, 라플라시안 연산자 및 주성분 분석을 결합한 다중 방법 통합 전략을 이용하여 미세조류 현미경 이미지를 전처리하였다. 개선된 모델에서는 SPD-Conv 모듈을 도입하여 세밀한 정보 손실을 줄이고 저해상도 이미지 및 작은 크기 미세조류의 검출 성능을 향상시켰으며, Slim-neck 구조를 채택해 매개변수 수와 모델 크기를 줄였고 SimSPPF를 추가하여 모델 수렴 속도를 높이고 실행 효율을 개선하였다. 결과는 다중 방법 통합 전처리 전략이 이미지 내 잡음을 크게 줄이고 미세조류 윤곽의 선명도를 강화함을 나타냈다. 동일 조건에서 개선된 YOLOv8 모델의 평균 정밀도(mAP)는 92.2%에 도달하였고, 원래 YOLOv8 모델에 비해 검출 효율이 5.1% 향상되었으며, 작은 크기 미세조류에 대한 검출 성능도 우수하였다. Faster-RCNN, SSD, RTDETR-l, YOLOv3, YOLOv5, YOLOv6, YOLOv7 모델과 비교하여 개선된 YOLOv8 모델의 mAP는 각각 40.2%, 6.8%, 14.5%, 1.2%, 5.7%, 4.7%, 0.8% 향상되었다. 이 방법은 미세조류 종류 검출 기술 개발에 유용한 참고자료를 제공한다.

미세조류 인식; 이미지 전처리; YOLOv8 모델; 딥러닝