基于YOLOv5s的细胞培养板分类识别算法—YOLOv5s-tiny，针对传统生物实验室自动化程度低、效率低的问题进行了研究。通过多尺度同态滤波颜色恢复算法对输入端图像进行预处理，提高了图像的成像效果。剪枝了考虑实验场景的情况下对小目标的检测层，并使用深度可分离卷积代替普通卷积，减少了模型的参数量，提高了运算速度。采用距离交互比损失函数及软化非极大值抑制算法，加快了收敛速度，提高了边界框的准确率。同时，引入卷积块注意力机制，解决了检测过程中局部遮挡和漏检问题。最后，使用YOLOv5s-tiny算法对细胞培养板进行实验，验证了其快速、准确的分类识别能力。相比于原始YOLOv5s算法，准确率和召回率分别提高了4.5%和1.4%，该算法提高了生物实验室的工作效率。