基于改进YOLOv7的复杂环境下香梨与果梗的采摘识别

邵明明张立萍郑威强吕文涛雷佳乐

新疆大学机械工程学院

摘要：为解决遮挡、光照、密集程度等复杂生长环境造成香梨采摘识别成功率不高及夹取采摘使果实破损的问题，提出一种基于YOLOv7的改进模型与一种剪抓相辅的采摘方式；制作基于真实复杂采摘环境下的香梨与果梗的数据集；增加BiFormer注意力机制提高模型对小目标的检测精度及效率；增加损失函数WIoU提升目标检测锚框的质量。经试验测试，改进的模型对样本数据集的平均精度均值mAP达到89.9%，比原模型提升1.9%，少特征的果梗平均精度AP值提高3.0%。与SSD、FasterR—CNN、Deformable DETR、YOLOv7模型对比，mAP值与检测速度均有较大的提升。结果表明，提升后的模型能较好完成对香梨与果梗的检测，模型识别速度快，能够满足实时检测需求。