基于 Yolo 算法的交通锥标颜色检测

为了解决中国大学生无人驾驶方程式大赛的赛车检测交通锥标速度较慢和鲁棒性差的 问题,文章采用自制数据集,提出一种使用自制数据集的 Yolo 实时目标检测方法。针对交通 锥标较为细长、尺寸小的特点,Yolo 使用 K-means 聚类算法对数据集中的真值进行聚类,选 取合适的边界框数量,使目标检测算法融合本数据集的类别并实现锥桶检测以及三种颜色的 分类。实验结果表明,在不同的外界环境中,Yolov5 网络的交通锥标颜色分类检测模型的检 测准确率高、鲁棒性好、计算速度快。在少量数据的情况下召回率达到 88.84%,准确率达到 86.87%,比 Yolov3 算法提高了 36.78%,比原始算法提高了 44.8%,检测速度（34 f/s）满足 赛事需求。