来源：期刊VIP网 时间：
作者：谢世龙;吴虎;毛文杰;初宪龙;杨先海;
单位：山东理工大学机械工程学院;
摘要：针对废旧塑料瓶在回收过程中不同颜色存在价值差异的情况，为解决颜色识别分选问题，提出一种基于深度学习的YOLOv8n改进模型废旧塑料瓶颜色高效识别方法。在颈部（neck）网络中引入加权双向特征金字塔网络（BiFPN）进行多尺度特征融合，提升模型的泛化能力；头部（head）网络的解耦头（decoupled-head）结构中两个分支均仅采用1个Conv2d模块，并在分支前端添加重参数化卷积——RepConv模块，减少计算量并提升训练精度；选用WIOU v3损失函数替换CIOU损失函数，提升模型的检测精度。通过对比实验可知，文章提出的模型优于传统目标检测模型。结果表明：文章提出的模型参数量较原模型减少了44.8%，计算量较原模型减少了34.6%，在50%交并比下的均值平均精度（mAP50）较原模型提升了2.7%，对废旧塑料瓶颜色进行识别时，每秒检测帧数（FPS）可达66，较原模型提高了40.4%，实现了对废旧塑料瓶颜色实时且准确的检测。
关键词：YOLOv8n;;废旧塑料瓶;;分类识别;;目标检测
基金资助：国家自然科学基金（52075306）
