基于改进YOLOv7的自然环境乌梅成熟度检测方法#br#

来源：中国农机化学报杂志2025年第7期北京时间：

作者：陈萍, 古丽巴哈尔·托乎提, , 张国辉, 买买提明·艾尼

单位：（1. 新疆大学机械工程学院，乌鲁木齐市，830017； 2. 西安交通大学，西安市，710049）

摘要：不同成熟度的乌梅具有不同的药理作用，为判断果园中大部分果实的成熟度，基于YOLOv7目标检测算法进行一系列改进。在 YOLOv7模型的Backbone中添加BiFormer模块以提高网络的特征表达能力；设计果实成熟度精分模块以提高果实成熟度检测的正确率。研究表明，改进的YOLOv7—1模型平均精度均值mAP达到0.805，比改进的YOLOv7—2模型、Faster R—CNN模型、YOLOv3模型、Mask R—CNN模型、 YOLOv5s模型、YOLOv5l模型、YOLOv7模型和YOLOv8模型分别高4.8、12.4、0.9、0.7、12.6、1.7、5.8和12.3个百分点。改进的YOLOv7—1模型可以提高乌梅成熟度识别的准确性。

关键词：乌梅,成熟度检测,深度学习,自然环境

基金资助：国家自然科学基金地区基金项目（12162031）；西安交通大学机械制造系统工程国家重点实验室（sklms2022022）