基于改进的YOLOv5色纱颜色识别方法研究

针对色纱目标小、相近颜色区别不明显导致难以实时精准识别色纱颜色的问题,提出一种基于改进的YOLOv5模型色纱颜色高效识别方法。以YOLOv5网络为基础,在Backbone结构中引入倒残差结构,结合C3模块深度可分离卷积提升网络计算速度;利用加权特征融合机制,在保留丰富的位置和颜色信息基础上提升模型训练效率,同时引入注意力机制以提高网络的收敛性和鲁棒性。试验表明:优化后YOLOv5模型的平均精度均值达到了99.5%,与原始YOLOv5模型相比,颜色识别速度提高11.5%,模型参数量减少35%,迭代次数减少30%,网络模型收敛性更好。优化后YOLOv5模型可满足色织生产中色纱颜色快速准确识别的要求。