农业机械学报

作者：张震，周俊，江自真，韩宏琪

单位：南京农业大学,南京农业大学,南京农业大学,南京农业大学,

关键词：苹果识别;自然果园环境;YOLO v7;PConv;高效通道注意力机制;麻雀搜索算法

基金：江苏省重点研发计划项目（BE2017370）和国家自然科学基金项目（31471419）

针对自然果园环境下苹果果实识别中，传统的目标检测算法往往很难在检测模型的检测精度、速度和轻量化方面实现平衡，提出了一种基于改进YOLO v7的轻量化苹果检测模型。首先，引入部分卷积（Partial convolution，PConv）替换多分支堆叠模块中的部分常规卷积进行轻量化改进，以降低模型的参数量和计算量；其次，添加轻量化的高效通道注意力（Efficient channel attention，ECA）模块以提高网络的特征提取能力，改善复杂环境下遮挡目标的错检漏检问题；在模型训练过程中采用基于麻雀搜索算法（Sparrow search algorithm，SSA）的学习率优化策略来进一步提高模型的检测精度。试验结果显示：相比于YOLO v7原始模型，改进后模型的精确率、召回率和平均精度分别提高4.15、0.38、1.39个百分点，其参数量和计算量分别降低22.93%和27.41%，在GPU和CPU上检测单幅图像的平均用时分别减少0.003s和0.014s。结果表明，改进后的模型可以实时准确地识别复杂果园环境中的苹果，模型参数量和计算量较小，适合部署于苹果采摘机器人的嵌入式设备上，为实现苹果的无人化智能采摘奠定了基础。

来源：2024年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第3期