基于改进轻量化YOLO v7的成熟期香梨目标检测方法

来源：江苏农业科学杂志2024年第第20期北京时间：

作者：郑文轩; 杨瑛

单位：江苏第二师范学院物理与信息工程学院，江苏南京 211200

摘要：为在自然环境下准确地识别和检测香梨果实，以YOLO v7为基础网络模型，针对果园中香梨果实、果叶、枝干之间相互遮挡问题，提出一种改进的轻量化YOLO v7梨果目标检测方法。该方法将MobileNet v3引入YOLO v7 模型中作为其骨干特征提取网络，从而减少网络的参数量，使其更容易部署在移动端和生产实际，在特征融合层引入协同注意力机制CA(coordinate attention)模块，以提高网络的特征表达能力，将原YOLO v7中的损失函数CIoU替换为SIoU，从而提高模型的检测速度和性能。最后利用Grad-CAM 方法产生目标检测热力图，进行特征可视化。结果表明，改进的轻量化YOLO v7模型的平均精度均值(mAP)、精确率、召回率指标分别为96.33%、94.36%、89.28%，检测速度为87.71(帧/s)，模型内存占用量与原YOLO v7相比减少21.45 MB；其检测平均精度均值(mAP) 与 Faster R-CNN、YOLO v3、MobileNet v3-YOLO v4、YOLO v5s、YOLO v7模型相比分别提高28.37、9.66、1314、4.58、3.20百分点。研究表明，改进的轻量化YOLO v7模型对成熟期香梨具有很好的目标检测效果和鲁棒性，可为香梨自动化采摘提供有效的技术支持。

关键词：目标检测;香梨;YOLO v7;轻量化;注意力机制