基于YOLOv5s的轻量化可回收饮料瓶颜色识别

针对不同颜色的可回收饮料瓶回收价值不同,进而需要解决颜色识别分选问题,提出一种基于YOLOv5s的轻量化模型并配合DELTA并联机器人分选设备进行智能识别分选。模型减少了原Backbone中C3数量,并使用1×1的卷积核代替了C3和Conv模块部分3×3的卷积核,采用GhostConv替代传统Conv,CIOU损失增加了检测框尺度、长和宽的损失,提高了矩形框回归效果,选择CIOU Loss作为bounding box的损失函数,通过对其他传统模型对比实验,验证了模型的有效性。结果表明,参数量和计算量相较原模型分别减少了33.80%和36.84%,对回收饮料瓶颜色的识别时间达到了0.008 s,识别图片速度125张/s,识别精度达到了97%。较传统模型,改进YOLOv5s模型识别准确率更高,识别速度更快。