基于轻量化改进YOLO v7-Tiny算法的苹果检测与分类  

Detection and classification of apple based on lightweight improved YOLO v7-Tiny algorithm

作　　者：徐江鹏 王传安 Xu Jiangpeng

机构地区：[1]安徽科技学院机械工程学院,安徽凤阳233100 [2]安徽科技学信息与网络工程学院,安徽凤阳233100

出　　处：《江苏农业科学》2024年第23期221-229,共9页Jiangsu Agricultural Sciences

基　　金：安徽省高校自然科学研究重点项目(编号:KJ2021A0895);安徽省教育厅科学研究项目(编号:2022AH051642)。

摘　　要：为了解决传统苹果分拣方法效率低下、实时性差等问题,提出一种基于轻量化YOLO v7-Tiny算法的改进方法,用于检测和分类苹果的好果和坏果。首先,为提升非线性和泛化能力,采用深度可分离卷积策略,并对PReLU激活函数进行重新设计以减少参数量。同时,为增强对目标轮廓和空间位置的特征感知能力,引入CBAM和ECA 2种注意力机制,以防止梯度消失和过拟合问题。试验结果表明,改进后的YOLO v7-Tiny网络模型对苹果好果和坏果的识别精度均值达到了97.3%,相比原始YOLO v7-Tiny提高了0.4百分点。与原模型相比,改进后的模型在参数量、浮点运算数、模型大小和单张图片推理时间方面都具有显著优势,分别降低了28.3%、25.0%、27.6%、3.8%。这一改进模型不仅实现了苹果好果和坏果的可靠检测与分类,还成功平衡了识别准确率和实时性能的需求。综上所述,本研究通过优化YOLO v7-Tiny算法,实现了对苹果好果和坏果的高效检测和分类。采用深度可分离卷积策略、重新设计激活函数以及引入注意力机制,有效提升了模型的性能。这一改进方法在试验中表现出了良好的精度和鲁棒性,为苹果检测分类领域的自动化与智能化发展提供了重要支持。

关 键 词：苹果 分类 轻量化 YOLO v7-Tiny算法 深度可分离卷积 激活函数 注意力 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]