基于YOLOv7的番茄检测算法优化与实现

番茄果实目标检测是实现番茄采摘机械化、自动化需要解决的关键问题。针对番茄生长环境中背景复杂、果实密集、枝叶遮挡等问题,提出一种优化的YOLOv7成熟番茄识别模型。该模型在YOLOv7模型基础上,首先将主干网络中的ELAN模块用P-ELAN模块替换,降低了网络参数量与计算量,同时提升网络的特征提取能力。其次,在检测头前加入LSK注意力机制,利用特征提取模块动态调整感受野,更有效地处理了不同目标所需的背景信息差异。最后,引入EIoU损失函数,能够更有效地引导模型学习更准确的边界框预测,从而加速预测框的收敛、提高预测框的回归精度。改进后的算法不但识别精度高,同时更为轻量化,可以较好地应用于成熟番茄的采摘场景。