点云从入门到精通技术详解100篇-基于YOLOV5的外卖包装盒印刷色彩图像识别（续）

目录

3.2  改进YOLOv5算法

3.2.1  改进YOLOv5损失函数

3.2.2  基于K-Means模块的YOLOv5算法

3.2.3  基于K-Means及PointNet++模块的YOLOv5（KPYL5）算法

3.3  色彩缺陷特征设计思路

4  试验与结果

4.1  试验检测流程  

4.2  试验准备

4.2.1  数据来源和处理

4.2.2  试验运行环境

4.3  试验性能评价指标  

4.3.1  IoU性能评价

4.3.2  准确率（A）性能评价

4.3.3  精确率（P）性能评价

4.3.4  召回率（R）性能评价

4.3.5  mAP性能评价

4.4  试验结果与分析

---

本文篇幅较长，分为上下两篇，上篇详见基于YOLOV5的外卖包装盒印刷色彩图像识别

3.2  改进YOLOv5算法

3.2.1  改进YOLOv5损失函数

本研究试验所使用的所有YOLOv5都统一将损失函数进行了替换以提高对外 卖包装盒中的小目标色彩缺陷的检测效果和效率。YOLOv5算法中使用的损失函 数是基于Focal Loss的改进版，称为Focal Loss with DIoU. Focal Loss是一种针对 类别不平衡问题的损失函数，它可以帮助网络更好地处理数据中的类别不平衡现 象。通常采用CIoU损失（Complete Intersection over Union）和Focal损失，CIoU 损失是基于模型预测框和真实标签框之间的重叠区域来计算的。它的目标是最小 化预测框和真实标签框之间的IoU值的差异，以确保模型能够准确地预测目标的 位置和大小。Focal损失