融合CBAM和DCNv3的YOLOv7模型果蔬检测分类研究

来源：中国农机化学报杂志2026年第2期北京时间：

作者：朱强军, 刘趁心, 汪慧兰, 王杨

单位：1. 芜湖学院计算科学学院，安徽芜湖，241000；2. 安徽师范大学物理与电子信息学院，安徽芜湖，241000；3. 安徽师范大学计算机与信息学院，安徽芜湖，241000

摘要：为提高果蔬的分拣速度，减少人工成本，提出融合CBAM和DCNv3的YOLOv7果蔬检测分类模型。首先，在主干网络中利用CBAM注意力机制抑制无关信息，提取数据的关键信息；其次，在SPP层前加入可变形卷积神经网络，增强模型多尺度特征融合；最后，在自建的10种常见果蔬数据集和公开水果分类目标检测VOC数据集分别进行测试。结果表明：在构建的10种常见果蔬数据集上，融合CBAM和DCNv3的YOLOv7模型召回率达到95.0%，识别精度达到95.6%，平均精度均值mAP@0.5达到97.2%；在VOC数据集上，该模型召回率达到99.30%，识别精度达到98.10%，mAP@0.5达到98.50%。该模型的平均识别精度高，鲁棒性强，泛化性好，与其他主流果蔬识别算法比较具有一定优势。

关键词：果蔬检测,多尺度特征,可变形卷积,注意力模块

基金资助：安徽省高等学校省级质量工程项目(2022sx052)；安徽省高等学校科学研究（自然科学类）重点项目(2023AH052459)