农业机械学报

作者：丁志康，兰玉彬，韩鑫，赵硕，白京波，王娟

单位：山东理工大学,山东理工大学,山东理工大学,山东理工大学,山东思远农业开发有限公司,山东理工大学,

关键词：农药残留消解;臭氧水;果蔬识别;YOLO v7-tiny

基金：山东省蔬菜产业技术体系项目（SDAIT-05）、山东省自然科学基金项目（ZR2023QC213）、山东省农业重大技术协同推广计划项目（SDNYXTTG-2023-20）和山东省标准创新型企业计划项目（鲁市监标函[2023]246号）

利用具有强氧化性、无毒无污染的臭氧水，借助工厂化、无人化处理设备和工艺，根据果蔬种类和农药残留状况，喷淋不同浓度的臭氧水，是实现果蔬农药残留自动化、智能化、绿色、高效消解处理的有效手段。而快速、精准识别果蔬种类是指导工厂化、无人化处理设备针对性喷淋所需浓度臭氧水的前提。本文提出一种基于改进YOLO v7-tiny的农残消解过程中多品种果蔬精准识别方法。首先，在Head部分引入渐近特征金字塔网络AFPN（Asymptotic feature pyramid network）来替换原有YOLO v7-tiny的金字塔网络，在实现网络结构轻量化的同时进一步提高模型准确率;其次，在Backbone部分加入多尺度注意力模块EMA（Efficient multi-scale attention）来提高模型对果蔬图像中有效特征信息的提取能力;最后，将原有YOLO v7-tiny网络的损失函数替换为Wise-IoU（Wise intersection over union）以提高模型的泛化能力。试验结果表明，改进后YOLO v7-tiny模型（YOLO v7-AEW）的参数量、浮点数计算量和模型存储占用量分别达到4.5×106、1.28×1010和8.9MB，较原模型分别减少25.0%、3.0%和27.6%;准确率与平均精度均值达到97.9%和96.8%，较原模型分别提高2.3、1.3个百分点;改进后模型与Faster R-CNN、SSD、YOLO v5s、YOLO v8算法对比，平均识别精度均值分别提高37.1、38.0、32.5、7.1个百分点。搭建基于改进YOLO v7-tiny的农残消解装置并进行检测试验，改进后模型的检出率和漏检率分别为97%和3%，检测效果优于其他网络模型，证明改进后模型具有较高的实际应用价值。本研究可为基于臭氧水的工厂化、无人化果蔬农药残留消解一体机研制提供深度学习识别方法参考。

来源：2025年第10期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第10期