一种基于YOLO-SAM2的药物晶体目标检测跟踪方法

本发明提出了一种基于YOLO‑SAM2的药物晶体目标检测跟踪方法，优化YOLO11模型，使用改进的特征金字塔网络(SOEP)，把模型的P2特征层通过空间到深度卷积SPD‑Conv得到富含小目标信息的特征给到P3进行融合，再利用跨阶段局部CSP思想和全能卷积模块OKM改进得到的CSP‑OKM进行特征整合，以此提升模型小目标检测性能；同时利用改进好的YOLO11‑SOEP进行晶体目标检测，获得的边界框预测作为SAM2模型的提示输入，来跟踪晶体生长，得到结晶整个过程的分割掩码，以此分析晶体生长。该方法不仅能够识别药物晶体类型，分割效果显著，减少了手动干预的需求，提升了数据分析的自动化程度和准确性，具有较高的实用价值。