桂林理工大学

详情

智显微瞳：基于YOLOv8的显微动态多目标实时追踪与智能分析系统

申报人：何霜 申报日期：2026-04-14

基本情况

2026年批次
智显微瞳：基于YOLOv8的显微动态多目标实时追踪与智能分析系统 学生申报
创新训练项目
工学
机械类
学生自主选题
一年期
本项目旨在研发一种集成YOLOv8目标检测算法与ByteTrack多目标跟踪算法的智能显微镜系统。该系统具备对显微镜视野中细胞、微生物等微尺度目标的实时检测、持续追踪、精确定量统计及动态行为解析能力，并可自动生成运动轨迹热力图与综合分析报告。项目涵盖硬件结构改造、核心算法优化与系统软件集成全技术链条，最终将构建一套兼具低成本、高效率与操作便捷性的智能分析平台，适用于生物医学研究、教学实验及环境监测等多个领域，可显著提升显微观测的自动化水平与定量分析精度。
  曾获得第七届国际青年人工智能大赛西部赛区暨东盟赛区一等奖
  主持广西自治区教育厅2022年度广西高校中青年科研基础能力提升项目-带式输送机输送带张力波动及先进控制方法研究（编号：2022KY024，在研）。
  本项目在导师的全面支持下开展。导师在计算机视觉与交叉领域具备深厚积累，为本研究确立了以YOLOv8+ByteTrack为核心的技术路线，并提供高性能计算设备与显微平台等关键资源。通过定期组会机制，导师将全程指导关键技术攻关、实验验证与成果总结，为项目推进提供坚实保障。
省级

项目成员

序号 学生 所属学院 专业 年级 项目中的分工 成员类型
何霜 南宁分校 计算机工程与技术 2024 核心算法开发与模型优化
廖德江 南宁分校 计算机工程与技术 2023 把握课题总体设计和研究方向
李嘉庆 南宁分校 计算机工程与技术 2024 软件系统开发与界面设计
谢冬儿 南宁分校 机械设计制造及其自动化 2023 硬件系统集成与机械结构设计

指导教师

序号 教师姓名 所属学院 是否企业导师 教师类型
黄富连 南宁分校 否
揭施军 南宁分校 否

立项依据

  传统显微镜在生物医学、环境监测等领域的微观观测中不可或缺，但存在严重依赖人工、效率低下、主观误差大以及难以对动态多目标进行定量分析等技术痛点。随着人工智能技术的迅猛发展，基于深度学习的目标检测与追踪算法为解决这些问题提供了全新路径。本项目旨在直面上述挑战，研发一套集成YOLOv8目标检测算法与ByteTrack多目标追踪算法的智能显微镜系统。通过对显微视野中的细胞、微生物等微小目标实现自动化、实时化、高精度的检测、跟踪、计数与行为分析，本项目致力于将传统显微镜升级为智能定量分析平台，显著提升观测效率与数据客观性，为相关领域的科学研究与实际应用提供强有力的工具支撑。
  本项目围绕智能显微镜系统的开发，构建了从算法研发到产品实现的完整技术链。三个研究内容分别聚焦算法层、软件层与系统层：首先突破显微图像智能分析的核心算法瓶颈，进而实现软件功能的工程化封装与用户体验优化，最终完成软硬件一体化集成与性能验证。通过三个层面的有效衔接与递进，确保项目成果兼具技术先进性与实用价值。具体研究内容如下：
1.面向显微场景的YOLOv8检测模型优化与多目标追踪算法集成。本项目将系统性地采集和构建涵盖细胞、微生物等多种目标的显微图像数据集，并进行精细标注，重点关注目标尺度、形态和运动特征的多样性。基于此数据集，我们将对YOLOv8模型进行深入的迁移学习和轻量化优化，通过调整网络结构、优化锚框参数和改进损失函数，显著提升模型对显微图像中小目标、低对比度目标的检测精度和鲁棒性。在此基础上，我们将集成先进的ByteTrack多目标追踪算法，针对显微场景下目标外观相似、运动轨迹交叉、频繁遮挡等挑战，通过改进相似度度量方法和数据关联策略，有效解决身份ID切换问题，建立稳定可靠的多目标追踪系统。
2.具备实时分析与数据可视化功能的智能软件系统开发。基于优化后的算法模型，我们将开发一个功能完整的智能分析软件系统。该系统将实现显微视频流的实时采集与处理，具备动态目标的自动识别、追踪和分类计数功能。我们将设计直观友好的图形用户界面，集成轨迹绘制、速度分析、方向统计等模块，实时显示目标的运动轨迹和群体分布热力图。同时，系统将提供完善的数据管理功能，支持分析结果的实时显示、历史数据查询，以及计数结果、轨迹坐标、运动参数和统计图表的一键导出，为用户提供全方位的定量分析支持。
3.软硬件协同的智能显微镜原型系统集成与性能验证。本项目将完成从算法到产品的完整闭环，实现软硬件一体化集成。我们将设计专用的机械适配结构和稳定的照明系统，实现显微镜与高清工业相机的精准对接；开发高效的数据传输接口，确保图像采集的实时性和稳定性。将优化后的算法模型和分析软件部署到嵌入式计算平台，构建完整的智能显微镜原型系统。最后，我们将在真实的实验环境下，对系统的检测准确率、追踪稳定性、计数精确度、实时性和易用性等关键指标进行全面测试和性能验证，确保其达到实用化水平。
1.国外研究现状
国际上，基于深度学习的显微图像智能分析研究已形成系统的技术路线。Hamadani等人[1]成功将YOLO检测框架与改进的DeepSORT算法相结合，在细胞检测与追踪任务中取得了显著成效，验证了"检测-追踪"范式在显微场景下的可行性。该研究为显微动态分析提供了重要技术参考。进一步地，PMOT2023数据集[2]的发布为浮游植物等多目标追踪研究提供了大规模基准，推动了算法性能的标准化评估。在特定应用层面，Gulsah等人[3]针对精子目标开发的混合IMM-JPDAF追踪算法，展现了多目标追踪技术在微观运动分析中的潜力。这些研究共同表明，国际学界正致力于构建从算法创新到数据基准的完整研究体系。
2.国内研究现状
国内学者在显微图像分析领域同样取得了突破性进展。夏雯婧[4]直接采用YOLOv8与ByteTrack算法，构建了精子多目标检测与追踪系统，为本项目提供了直接的技术对标。朱文等人[5]针对水体微塑料检测提出的YOLOv8-REM算法，通过结构优化显著提升了显微图像中小目标的检测精度，其改进策略对本项目具有重要借鉴意义。在显微矿物分析方面，Qiu等人[6]基于YOLOv8开发的轻量化识别模型Minima-YOLO，证明了该框架在显微场景下的适应性与可优化性。此外，刘铭威[7]在单细胞运动行为分析方面的研究，为微观目标的运动表征提供了方法论支持。
综合分析表明，该领域呈现三大趋势：技术路径趋于统一，基于YOLO的检测框架与先进多目标追踪算法的结合成为主流方案；研究重心从单一算法优化转向端到端的系统集成；应用场景从通用目标向特定微观目标深化。然而仍面临关键挑战：现有算法在目标密集、遮挡严重等复杂场景下的稳定性不足；多数研究仍停留在算法层面，缺乏完整的软硬件协同解决方案；针对特定显微场景的专用优化仍有提升空间。这些挑战正是本项目着力解决的核心问题。
3.参考文献：
[1].Hamadani A A N M ,Poroszlay R ,Nagy S G , et al.Improving Cell Detection and Tracking in Microscopy Images Using YOLO and an Enhanced DeepSORT Al-gorithm[J].Sensors,2025,25(14):4361-4361.
[2].Yu J,LvQ,Li Y,etal.PMOT2023: A Large-Scale Multi-Object Tracking (MO-T) Dataset with Application to Phytoplankton Observation[J].Journal of Marine Scie-nce and Engineering,2023,11(6).
[3].Gulsah O T ,Baris O ,Farhood N , et al.A hybrid IMM-JPDAF algorithm for tr-acking multiple sperm targets and motility analysis[J].Neural Computing and Applic-ations,2022,34(20):17407-17421.
[4].夏雯婧.基于YOLOv8和Bytetrack算法的精子多目标检测与跟踪技术研究[D].上海师范大学,2025.
[5].朱文,汤恒涛,石庭恺,等.YOLOv8-REM：一种基于显微镜图像的水体微塑料实时检测算法[J/OL].微电子学与计算机,1-10[2025-10-19].https://link.cnki.net/urlid/61.1123.TN.20250508.1524.018.
[6].Qiu Z ,Huang X ,Xu X .Minima-YOLO: A Lightweight Identification Method for Lithium Mineral Components Under a Microscope Based on YOLOv8[J].Sensors,2025,25(7):2048-2048.
[7].刘铭威.单细胞尺度的寇氏隐甲藻游泳运动分析[D].天津大学,2021.
1.基于YOLOv8与ByteTrack的显微多目标追踪算法创新。本项目创新性地将YOLOv8目标检测算法与ByteTrack多目标追踪算法相结合，专门针对显微场景进行深度优化。通过改进YOLOv8的锚框设计和损失函数，显著提升了微小目标的检测精度；同时优化ByteTrack的数据关联策略，有效解决了显微环境下因目标外观相似、运动轨迹交叉导致的身份切换问题。这种算法组合在显微视觉领域的应用尚属前沿探索，为实现稳定、准确的多目标追踪提供了创新的技术解决方案。
2.软硬件深度协同的一体化系统架构设计。项目突破了传统纯软件分析的局限，创新性地设计了软硬件深度协同的系统架构。不仅开发了智能分析算法，还专门设计了显微镜与高清相机的机械适配结构，研制了稳定的照明系统和实时图像采集模块。通过硬件端的优化设计为算法提供高质量的输入数据，再通过软件端的智能分析充分发挥硬件性能，形成了良性的技术闭环，大大提升了系统的整体性能和使用体验。
3.多维数据融合的智能分析与可视化方法。本项目创新性地将目标检测、运动追踪与数据分析深度融合，开发了多维度、多层次的智能分析体系。不仅实现基础的目标计数，还能够实时绘制运动轨迹、计算运动参数、生成群体分布热力图，并提供完整的数据导出功能。这种从原始图像到丰富可视化结果的一站式分析流程，为研究人员提供了前所未有的数据支撑和洞察能力。
1.技术路线
本项目的技术路线严格遵循从理论奠基到产品实现的递进逻辑，具体实施路径如下：首先进行需求分析与技术选型，明确系统架构与算法框架；在此基础上构建高质量的显微图像数据集，为后续算法研发提供数据支撑；随后并行开展YOLOv8检测模型的优化训练和ByteTrack多目标追踪算法的改进，重点解决小目标检测与身份切换等关键技术难题；完成算法集成后，同步推进软件系统开发与硬件平台搭建，最终通过软硬件协同调试实现系统集成，并进行全面的性能测试与优化验证，确保系统达到预定技术指标。
2.拟解决的关键问题
（1）显微图像中小目标检测的精度与鲁棒性问题。针对显微场景下目标尺度小、对比度低、形态多变的特点，传统检测算法准确率不足的问题。本项目将通过优化YOLOv8的锚框设计和损失函数，结合针对性构建的数据集，显著提升微小目标的检测召回率和准确率，为后续追踪奠定基础。
（2）复杂场景下多目标追踪的身份保持难题。针对显微环境中目标外观相似、运动轨迹交叉、频繁遮挡导致的身份ID切换问题。通过改进ByteTrack算法的数据关联策略，融合运动特征与表观特征，建立稳定的多目标追踪系统，确保长时间观测中轨迹的连续性。
（3）软硬件协同的实时分析系统集成挑战。解决从算法到产品的工程化实现问题，包括硬件适配、实时性保障和系统稳定性。通过设计专用的机械结构、优化图像采集流程，并将算法部署于嵌入式平台，最终构建一个稳定可靠、操作便捷的智能显微镜原型系统。
3.预期成果：
（1）本项目的核心技术成果是优化的算法模型与完整的数据集。本项目将交付一套针对显微场景深度优化的YOLOv8-ByteTrack融合算法模型，在自建测试集上实现目标检测准确率≥90%、多目标追踪MOTA≥85%的技术指标，并配套提供一个包含细胞、微生物等多类目标的高质量显微图像数据集（≥5000张精细标注图像），为后续研究奠定坚实基础。
（2）系统与知识产权成果有功能完备的原型系统与专利保护。项目将完成智能显微镜软硬件原型系统1套，该系统具备实时检测、追踪、计数和数据分析等完整功能，并以此为基础申请实用新型专利1项，形成具有自主知识产权的技术解决方案，确保项目成果的技术独特性和市场竞争力。

1.基础开发与算法验证（2025年10月-2026年4月）：本阶段将重点完成项目的前期准备工作与核心算法研发。具体包括：深入开展需求分析和技术方案详细设计；系统采集细胞、微生物等显微图像数据，构建高质量数据集并进行精细标注；开展YOLOv8模型在显微场景下的迁移学习和优化训练，提升对小目标和低对比度目标的检测能力；完成ByteTrack多目标追踪算法的改进与调试，解决目标遮挡和ID切换问题；实现检测与追踪算法的初步集成与验证，为后续系统开发奠定技术基础。
2.系统开发与集成测试（2026年5月-2026年8月）：本阶段主要完成软硬件系统的开发与集成测试工作。重点开展智能分析软件的开发，实现实时视频处理、目标追踪、数据分析和可视化功能；同步进行显微镜硬件改装，设计专用机械结构和图像采集系统；完成软硬件协同调试，构建完整的原型系统。在此过程中，将进行多轮集成测试，不断优化算法性能和系统稳定性，确保系统达到实时处理要求（≥15fps）并具备完整的数据分析功能。
3.系统优化与成果总结（2026年9月-2026年10月）：本阶段重点进行系统完善与项目结题准备。在模拟真实使用环境下对原型系统进行最终测试与优化，提升系统的稳定性和易用性；完成所有实验数据的整理与分析，撰写项目结题报告；准备项目成果展示材料。最终交付优化算法模型和完整原型系统的全套项目成果，完成项目结题验收工作。
  项目基于现有光学显微镜搭建实验平台，其核心创新设计已具备申请实用新型专利的条件，相关成果获得第七届国际青年人工智能大赛区一等奖。

本项目目前已具备光学显微镜、计算机、嵌入式开发板等核心硬件设备，并积累了初步的显微图像数据集。然而，为实现更高性能的系统集成，目前仍缺少高性能工业相机以确保图像采集质量，缺乏专用机械加工能力以完成精密结构件制作，同时需要专项经费支持用于采购实验耗材与支付专利申报等费用。
针对缺失条件，本项目将充分利用桂林理工大学南宁分校的现有实验室资源，通过机械与控制工程学院的相关设备完成基础加工；积极申请本项目的大创经费，专项用于采购高清工业相机、实验耗材及专利申报；同时，在指导教师的协助下，向学校申请使用精密加工设备，并通过与合作企业的对接寻求必要的技术支持，从而系统性地解决资源瓶颈，确保项目的顺利实施。

经费预算

开支科目 预算经费（元） 主要用途 阶段下达经费计划（元）
前半阶段 后半阶段
预算经费总额 1500.00 无 750.00 750.00
1. 业务费 800.00 申请专利 400.00 400.00
（1）计算、分析、测试费 0.00 无 0.00 0.00
（2）能源动力费 0.00 无 0.00 0.00
（3）会议、差旅费 0.00 无 0.00 0.00
（4）文献检索费 0.00 无 0.00 0.00
（5）论文出版费 800.00 申请专利 400.00 400.00
2. 仪器设备购置费 500.00 购买高性能工业相机 250.00 250.00
3. 实验装置试制费 0.00 无 0.00 0.00
4. 材料费 200.00 购买草履虫以及相关药剂 100.00 100.00
结束

用户单位： 桂林理工大学        

版权所有： 南京先极科技有限公司