基于改进YOLOv7的果园苹果目标识别方法研究

来源：中国农机化学报杂志2026年第1期北京时间：

作者：郁家丞, 杨林初, 夏子林, 顾寄南, 包涵

单位：1. 江苏科技大学机械工程学院，江苏镇江，212100； 2. 江苏大学机械工程学院，江苏镇江，212013

摘要：苹果识别是苹果自动化采摘中的重要环节。为解决果园中苹果识别效率低、漏检错检、检测精度低等问题，研究一种基于YOLOv7的改进算法。首先，在检测模型的主干网络中融入CBAM注意力机制，解决复杂果园中苹果因重叠遮挡和小目标而难以识别的问题，使模型更加关注苹果的语义特征；然后，将原YOLOv7网络模型中的CIoU损失函数替换为MPDIoU损失函数，缓减原损失函数正负样本不均衡的问题；最后，将主干网络和头部网络中的常规卷积层替换为参数量和计算量更小的PConv，从而提高模型的检测速度。结果表明，改进模型相比于原YOLOv7模型，在平均精度均值上提升3.9%，在参数量和计算量上分别降低9.2%、11.4%，检测速度提升至87帧/s。改进模型能够实现果园苹果的精准识别，能有效减少苹果错检、漏检问题，检测速度也能满足实时性要求。

关键词：苹果识别,YOLOv7,果园,损失函数,CBAM注意力机制

基金资助：江苏省科技项目(BE2021016—3)