复杂场景下ResNet34优化算法在苹果检测中的应用研究

来源：中国农机化学报杂志2026年第4期北京时间：

作者：吴勇帑, 蒲彦钧, 刘喜闻, 周勇

单位：1. 重庆三峡职业学院人工智能学院，重庆市，404155； 2. 重庆大学计算机学院，重庆市，400044； 3. 西南大学工程技术学院，重庆市，400700

摘要：为提高复杂环境下的苹果果实检测准确率、降低漏检率，对ResNet34模型进行结构优化和改进。在该模型的不同特征提取层引入SE注意力机制，使算法重点关注苹果果实的位置，有效应对复杂背景的干扰。针对苹果果实距离远、目标小、叶片遮挡严重等问题，采用Res2Net网络模块，该模块具备多尺度信息提取能力，能兼顾图像中不同大小的目标。此外，采用双检测头策略改进模型，进一步提升模型对小目标检测的综合性能。结果表明，改进后的模型在测试集上的检测精确率为83.1%、F1分数为77.3%、平均精度均值mAP为82.3%，相比于原ResNet34模型分别提升3.7%、2.2%和4%。

关键词：苹果,自动化采摘,复杂场景,SE注意力机制,目标检测

基金资助：重庆市教育委员会科学技术研究项目(KJQN202303524)