基于轻量化改进YOLO v7-Tiny算法的苹果检测与分类

来源：江苏农业科学杂志2024年第第23期北京时间：

作者：徐江鹏;王传安

单位：1.安徽科技学院机械工程学院，安徽凤阳 233100； 2.安徽科技学信息与网络工程学院，安徽凤阳 233100

摘要：为了解决传统苹果分拣方法效率低下、实时性差等问题，提出一种基于轻量化YOLO v7-Tiny算法的改进方法，用于检测和分类苹果的好果和坏果。首先，为提升非线性和泛化能力，采用深度可分离卷积策略，并对PReLU激活函数进行重新设计以减少参数量。同时，为增强对目标轮廓和空间位置的特征感知能力，引入CBAM和ECA 2种注意力机制，以防止梯度消失和过拟合问题。试验结果表明，改进后的YOLO v7-Tiny网络模型对苹果好果和坏果的识别精度均值达到了97.3%，相比原始YOLO v7-Tiny提高了0.4百分点。与原模型相比，改进后的模型在参数量、浮点运算数、模型大小和单张图片推理时间方面都具有显著优势，分别降低了28.3%、25.0%、27.6%、3.8%。这一改进模型不仅实现了苹果好果和坏果的可靠检测与分类，还成功平衡了识别准确率和实时性能的需求。综上所述，本研究通过优化YOLO v7-Tiny算法，实现了对苹果好果和坏果的高效检测和分类。采用深度可分离卷积策略、重新设计激活函数以及引入注意力机制，有效提升了模型的性能。这一改进方法在试验中表现出了良好的精度和鲁棒性，为苹果检测分类领域的自动化与智能化发展提供了重要支持。

关键词：苹果;分类;轻量化;YOLO v7-Tiny算法;深度可分离卷积;激活函数;注意力