基于轻量化改进YOLO v7-Tiny算法的苹果检测与分类

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

中图分类号：TP391.41" 文献标志码：A

文章编号：1002-1302（2024）23-0221-09

徐江鹏，王传安. 基于轻量化改进YOLO v7-Tiny算法的苹果检测与分类［J］. 江苏农业科学，2024，52（23）：221-229.

doi：10.15889/j.issn.1002-1302.2024.23.030

收稿日期：2023-12-18

基金项目：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）。

作者简介：徐江鹏（1999—），男，江西九江人，硕士研究生，主要从事农业信息化研究。E-mail：xjpusta@163.com。

通信作者：王传安，博士，副教授，主要从事计算机应用技术与网络通信研究。E-mail：43124609@qq.com。

苹果是全球产量最高的水果之一，随着多年的发展，我国已成为最大的苹果生产国［1］。根据美国农业部对外农业服务局的数据，我国的苹果种植面积和产量均占全球一半以上。然而，苹果质量的不稳定性已经成为影响其出口的重要因素之一。随着人们对高品质和食品安全标准的关注不断提高，自动化、精准化的苹果分类检测需求也愈发增长。因此，在苹果上市之前，对存在缺陷的苹果进行精准检测并自动剔除，显得尤为重要。

图像处理和机器学习技术的飞速进步，推动了计算机视觉和深度学习在农业上的广泛应用。苹果检测与分类也随之迎来了新的发展。在这一背景下，不同的研究者们积极探索了多种方法。例如，Behroozi-Khazaei等提出了一种利用人工神经网络和遗传算法的葡萄识别算法。这一算法具有极高的鲁棒性，其识别精度高达99.4%［2］。另一方面，Hu等采用TensorFlow深度学习框架和SSD深度学习算法，以识别苹果表面缺陷为目标［3］。另外，Li等提出了基于卷积神经网络（CNN）的苹果品质快速分类模型，通过与Google InceptionV3模型和HOG/GLCM+SVM进行比较，实现了95.33%的苹果品质分级准确率［4］。Liang等通过通道和层剪枝来压缩YOLO v4网络，成功降低了网络的推理时间和模型大小，同时将mAP提升至93.74%，适用于不同品种苹果的缺陷鉴定［5］。刘洁等改进了YOLO v4模型，使其适用于橙果的检测，平均精度高达97.24%，这为复杂环境下的橙果采摘开辟了新思路［6］。另外，周桂红等针对苹果果园密植栽培导致的苹果识别难题，提出了一种综合改进YOLO v4和阈值边界框匹配合并算法的方法，用于全景图像中的苹果识别［7］。这一改进后，YOLO v4模型的识别准确率达到了96.19%。然而，这些研究多数在速度、精度之间的权衡中更偏向精度。

鉴于苹果检测与分类是一个轻量级任务，本研究选择了适用于边缘设备的轻量级模型YOLO v7-Tiny作为主干网络。虽然YOLO v7-Tiny模型具有较快的检测速度，但其识别精度相对YOLO v7模型较低。为了确保检测和识别的精确性与实时性，采用深度可分离卷积来减少参数量，并重新设计了激活函数，以提升网络的检测精度，并缓解过拟合问题的影响。同时，引入了CBAM和ECA 2种注意力机制的融合，以增强YOLO v7-Tiny对目标轮廓和空间位置的特征感知能力。这些改进措施旨在保持模型轻量性的同时提高其性能。

1" 材料与方法

1.1" YOLO v7-Tiny算法原理

YOLO v7-Tiny算法是YOLO v7的一个轻量级版本，它继承了基于级联的模型缩放策略，并对高效层聚合网络（ELAN）进行了优化。这些改进使得算法在提升检测精度的同时，具有更少的参数和更快的检测速度［8-10］。因此，笔者所在课题组采用YOLO v7-Tiny算法的基础框架来改进。该算法主要由输入端、特征提取网络、特征融合网络和输出端这4个部分构成［11］，整体结构如图1所示。

特征提取网络由CBL卷积块、经过优化的ELAN层和MPConv卷积层组成［12］。虽然ELAN层在提高特征提取速度方面表现卓越，但在某种程度上可能减少了特征提取能力，因为它从原始YOLO v7中削减了2组特征计算块。

特征融合网络部分采用了YOLO v5系列中的路径聚合特征金字塔（PAFPN）网络架构。这个架构将特征金字塔网络（FPN）从高层传递的强语义信息与路径聚合网络（PANet）自底向上传递的强定位信息张量进行拼接，以实现多尺度学习和融合。虽然多尺度有助于保留小目标特征，对小缺陷目标的检测有帮助，但当前的张量拼接方法在相邻层特征融合方面可能不够全面［13］。此外，最邻近插值上采样方法未能很好地平衡速度和精度这2个主要目标，同时融合网络对小目标特征信息的关注度相对较低，容易导致特征信息的丢失。

输出部分采用了IDetect检测头，与YOLOR模型类似，但引入了隐式表示策略，以便基于融合的特征值更精细地细化预测结果［14］。

1.2" 改进的YOLO v7-Tiny算法结构

为了在保持算法准确性的前提下，降低计算量，以及更精准地区分苹果的品质，本研究提出了一种基于轻量化改进的YOLO v7-Tiny算法，用于苹果检测。以下是主要的改进方案：为YOLO v7-Tiny算法的CBL卷积块重新设计激活函数，将其调整为CBP卷积块，以更灵活地解决死神经元问题，同时提升网络的稳定性。在YOLO v7-Tiny算法的ELAN模块中，引入深度可分离卷积（DSC）以构建ELAN-D，从而降低参数量和计算复杂度。此外，在YOLO v7-Tiny算法特征融合前分别加入ECA和CBAM注意力机制，提高对多尺度特征的表征能力，进而增强模型性能。

综上所述，通过上述改进方案，实现了一种更精确且计算效率更高的苹果检测模型，即基于轻量化改进的YOLO v7-Tiny算法。图2中展示了改进算法的整体结构。

1.3" 轻量化改进YOLO v7-Tiny算法的方法

1.3.1" PReLU激活函数提高特征提取网络能力" YOLO v7-Tiny网络中使用的激活函数是LeakyReLU，它是ReLU激活函数的一种变体，旨在缓解ReLU可能导致的无效神经元问题［15］。其定义为：

LeakyReLU（x）=x，xgt;00.01x，x≤0。（1）

PReLU则引入了一个可学习的参数，允许网络自己学习一个关于斜率的值，这个斜率可以在训练过程中根据数据进行调整［16］。其定义为：

PReLU（x）=x，xgt;0αx，x≤0。（2）

式中：α是可学习的参数。

将PReLU激活函数替换LeakyReLU激活函数的优势主要体现在PReLU激活函数通过可学习的参数，提高了网络的适应性、抑制了梯度消失、增强了表示能力。PReLU激活函数如图3所示。

1.3.2" 引入深度可分离卷积网络" 在目标检测模型中，特征提取是为后续特征融合阶段提供基础数据的关键环节。通常情况下，YOLO v7-Tiny网络中的ELAN模块采用传统的标准卷积来提取目标特征［17］。然而，为了在保持准确性的前提下降低计算成本，本研究采用深度可分离卷积模块来替代原先的标准卷积。这一变化有助于减小整体模型的计算负担，并进一步提升小目标检测的能力。深度可分离卷积的计算过程和公式如图4和公式（3）所示。

DH×DW×M×DK×DK+DH×DW×M×NDH×DW×M×N×DK×DK=1N+1D2K。（3）

其中，DH和DW是特征图的长度和宽度；M和N是特征图的输入和输出通道数；DK是卷积核的大小，通常取3。

1.3.3" 强化特征融合" 为神经网络添加注意力机制是提高其特征融合能力的有效方法［18-20］。本研究在YOLO v7-Tiny主干部分添加了一个ECA结构，它代表高效通道注意力［21］。这个模块可以通过自适应地重新校准通道特征响应来帮助提高模型的性能。并在模型的头部添加了一个CBAM结构，它是卷积块注意力模块［22］。这个模块可以通过在空间和通道维度上突出重要特征来帮助提高模型的性能。ECA和CBAM的融合提升通道和空间关注，可以加强特征感知，提高检测准确性、鲁棒性和泛化能力［23］。

ECA注意力机制是一种卷积神经网络中的注意力机制，其通过计算特征图与其自身的卷积结果来提取重要特征。该机制充分利用了特征图的内在信息，以学习如何选择最相关的特征，从而提升网络性能和鲁棒性。与传统的注意力机制不同，ECA注意力机制不依赖外部信息，且计算效率高，非常适合实时的目标检测任务。该机制的结构如图5所示。

在ECA模块中，首先通过对输入特征图进行一次全局平均池化（GAP），将特征图X从H×W×C的矩阵转换为1×1×C的通道特征向量。接着，通过计算自适应函数的一维卷积核大小k（见公式4），将该核应用于池化后的特征向量。通过Sigmoid函数学习通道注意力，得到各通道权重。再用权重和原始特征图逐通道相乘，得到加权后的特征图Y。

k=log2（C）γ+bγ；γ=2，b=1。（4）

CBAM结构主要由2个模块组成：通道注意力模块以及空间注意力模块。利用通道注意力和空间注意力模块的串联对原始的苹果特征图进行信息提炼，从而提高特征提取的精度。 该结构的示意

图如图6所示。

CBAM的通道注意力模块是通过对输入特征图

分别执行全局平均池化与全局最大池化，生成新的特征图。随后利用函数得出权重系数，并将权重系数与相应的特征图相乘，从而得到输出特征图。计算过程详见公式（5）。

Mc（F）=δ{MLP［AvgPool（F）］+MLP［MaxPool（F）］}。（5）

通道注意力模块输出的特征图作为CBAM的空间注意力模块的输入，先做最大池化和平均池化处理，再沿着通道维度进行拼接。然后，用卷积将通道数降为1个，并通过函数得到空间权重系数，随后与输入特征图相乘，输出最终的特征图。计算过程详见公式（6）。

Ms（F）=δ（f7×7（［AvgPool（F）；MaxPool（F）］））。（6）

其中，Mc和Ms分别是通道注意力图和空间注意力图；F是输入特征图；δ是Sigmoid函数；f是7×7 卷积；MLP是多层感知器神经网络（multilayer perceptron）。

2" 试验过程

2.1" 数据集

本试验于2023年5月在安徽科技学院信息与网络工程学院实验室进行。本次试验主要是从百度和谷歌图片库中获取了大部分的图像数据。通过互联网渠道，收集健康苹果（简称为“好果”）以及3种类型的损坏苹果（统称为“坏果”），包括斑点、腐烂和缺损［24］。考虑到数据集仅包含713张样本（其中“好果”共290张，“坏果”共423张），为了提高网络模型的准确性和鲁棒性，本研究使用多种方式来扩充模型的训练数据，以避免出现过拟合和泛化能力低等问题［25］。通过对最初的图像进行随机旋转、添加高斯噪声、施加高斯模糊以及调整对比度等操作来模拟不同场景，有效地扩充了数据集的规模，将数据集增加到3 565张图像。这些操作有助于提高模型对各种情况的适应能力，从而增强模型的性能和稳定性。这一扩充后的数据集以9 ∶1的比例分为训练集（3 208张）和验证集（357张）［26］。通常情况下，对于普通苹果的采后品质分级，仅需将苹果分为正常和有缺陷2类即可，而无需对每个苹果的缺陷进行定位。因此，本研究的目标是开发一种基于轻量化改进的YOLO v7-Tiny算法，通过对水果图像进行直接分析，实现对有缺陷苹果的准确识别。利用自行设计的苹果测试集，对改进模型的性能进行了验证。

2.2" 试验平台及参数设置

模型训练是在云服务器AutoDL上使用PyTorch训练和测试框架进行的。该服务器配置Intel Xeon Platinum 8255C CPU @ 2.50GHz处理器，80 GB 内存和NVIDIA RTX 3090 24 GB显卡。采用CUDA 11.0对训练进行加速。输入图像大小设置为640像素×640像素，批量大小设置为8，训练步数设置为500，学习率为0.01，动量设置为0.937，随机梯度下降（SGD）使用权重衰减为 0.005 的优化。具体试验平台参数如表1所示。

2.3" 评价指标

网络性能的评估主要采用精度（precision，P）、召回率（recall，R）和平均精度均值（mAP）为精度评价指标。mAP越高，说明模型的整体性能越好。以及采用Inference Time作为评价模型速度的指标，可用于衡量模型的实时性。另外，参数量（Params）和每秒执行的十亿次浮点运算操作（GFLOPs）可用来评估模型的大小和计算复杂度，以便判断其是否适合移动端部署。一般而言，参数量越低，GFLOPs越小的模型对硬件的要求越低，更有利于实现实时检测。

mAP0.5是指IoU阈值为50%时的mAP值；mAP0.5 ∶0.95是指在IoU阈值从50%逐渐提高到95%的过程中，计算各个IoU阈值下的mAP值并求其平均值。计算公式如下所示：

mAP=∑ci=1-APiC；（7）

其中，C为数据集类别数量。

AP=∫10Psmooth（R）d。（8）

其中，Psmooth（R）表示平滑后的P-R曲线。

精度（P）=TPTP+FP×100%；（9）

召回率（R）=TPFP+FN×100%。（10）

式中：TP、FP、FN分别表示预测结果和实际标签的对应情况。TP表示预测为正类且实际为正类的样本数；FP表示预测为正类但实际为负类的样本数；FN表示预测为负类但实际为正类的样本数。

深度可分离卷积（DSC）其浮点运算量计算公式见式（11），对比普通标准卷积浮点运算量，计算见式（12）。

FLOPs1=Cint×K2×Hout×Wout+Cint×Hout×Wout×Cout；（11）

FLOPs2=Cint×K2×Hout×Wout×Cout。（12）

其中，Cint、Cout分别为输入、输出通道数；K为卷积核大小；Hout、Wout分别为输出特征图高度以及宽度。

GFLOPs=109×FLOPs/t。（13）

其中，t为以秒为单位的运行时间。

3" 结果与分析

3.1" 消融试验

为验证本算法的改进效果，进行一组消融试验，参数一致，未使用预训练权重。试验结果见表2。改进模型命名：PReLU激活函数改进为YOLO v7-TP，PReLU激活函数+DSC为YOLO v7-TPD，PReLU激活函数+DSC+ECA为YOLO v7-TPDE，PReLU激活函数+DSC+CBAM为YOLO v7-TPDC，PReLU激活函数+DSC+ECA+CBAM为YOLO v7-TPDEC。

从表2可见，仅替换激活函数的YOLO v7-TP相对YOLO v7-Tiny提升了mAP值，但检测时间增加。YOLO v7-TPD在参数、浮点运算量、模型大小、检测时间上有显著效果，但mAP值稍降。仅加入注意力模块的YOLO v7-TPDC和YOLO v7-TPDE在多数方面有显著提升，但mAP值也稍低。最终改进的YOLO v7-TPDEC相对原YOLO v7-Tiny，在参数量、计算量、模型大小、检测时间上分别降低了28.3%、25.0%、27.6%、3.8%，且精确率和召回率分别提升了1.6百分点和1.3百分点以及mAP值提升了0.4百分点。显示轻量级改进的YOLO v7-TPDEC不仅平衡了准确性和实时性， 还降低了计算成本，更适合轻量化场景，也证明了改进方法的有效性和通用性。

3.2" 不同模型试验结果对比

为进一步验证改进效果，与目前比较流行的不同算法进行对比试验，包括YOLO v4-Tiny、YOLO v5s、YOLO v8s及YOLO v7，对比试验结果见表3。

从表3可见，最终改进的YOLO v7-TPDEC算法相比YOLO v4-Tiny、YOLO v5s、YOLO v8s算法mAP值分别提升了1.5、0.8、0.2百分点。且参数量分别下降了29.5%、38.5%和61.3%，这在轻量化算法的检测性能上有着很大优势。与YOLO v7算法相比，虽然在mAP值等方面略有下降，但在参数量、计算量、模型大小、单张推理时间方面，本研究提出的改进算法都更低，更适合部署在边缘设备上，这在保证准确率的同时更保证了轻量化。

3.3" 网络模型训练结果对比

为了验证改进的网络架构的有效性，同时保持训练参数不变，比较原始的YOLO v7-Tiny网络模型和经过轻量化改进的最终网络模型的性能。

图7和图8展示了网络训练过程中mAP与总损失值的变化趋势。随着迭代次数的不断增加，2条曲线分别向上和向下变化，最终稳定。当迭代次数达到500时，训练过程收敛并结束。与原始YOLO v7-Tiny网络模型相比，轻量化改进后的模型表现出更高的mAP值和更低的损失值。因此，可以得出结论，经过改进的网络模型是有效的。

3.4" 检测结果与评价

为了检验本研究提出的改进模型相较于原始模型在检测效果上的优势，同时选取复杂、密集和果树等多种场景进行了试验。试验中采用了一些苹果图像作为检测对象。图9至图11分别展示了

原始模型和改进模型的检测结果。从这些对比图中，可以明显看出改进模型在漏检率的降低方面有了明显的提升，能够检测出更多的目标并且识别更准确。

4" 结论

针对传统的苹果检测与分类效率低、实时性差，无法满足现代生产需求的问题，本研究提出了一种基于轻量化改进的YOLO v7-Tiny算法实现苹果好果和坏果的检测与分类。通过在模型中引入深度可分离卷积和PReLU激活函数，成功地降低了参数量并提高了模型的非线性能力和泛化能力。另外，引入的CBAM和ECA注意力机制有助于增强对目标特征的感知能力，从而在目标识别过程中有效地防止梯度消失和过拟合问题。

在经过一系列验证试验后，改进模型在平均精度

均值方面达到了97.3%，相较于原始的YOLO v7-Tiny模型，取得了显著的提升。此外，改进模型在参数量、浮点运算数、模型大小以及单张图片推理时间等方面也表现出明显的优势，分别降低了28.3%、25.0%、27.6%和3.8%。这些结果进一步证明了所提出的改进算法在保持高准确性的同时，具备更高的实时性和更小的计算资源消耗。

综上所述，本研究成功地克服了检测和分类方面的一系列难题，通过引入轻量化改进的YOLO v7-Tiny算法，实现了对苹果好果和坏果的高效准确检测与分类。这一研究成果在现代农业生产中具有重要的应用前景，为提升产品质量提供了有力的技术支持。未来将探索该算法在其他农产品检测与分类领域中的应用，并进一步优化模型细节以取得更优异的性能。

参考文献：

［1］刘军弟，王" 静，刘天军，等. 中国苹果加工产业发展趋势分析［J］. 林业经济问题，2012，32（2）：185-188.

［2］Behroozi-Khazaei N，Maleki M R. A robust algorithm based on color features for grape cluster segmentation［J］. Computers and Electronics in Agriculture，2017，142：41-49.

［3］Hu G R，Zhang E Y，Zhou J G，et al. Infield apple detection and grading based on multi-feature fusion［J］. Horticulturae，2021，7（9）：276-292.

［4］Li Y F，Feng X Y，Liu Y D，et al. Apple quality identification and classification by image processing based on convolutional neural networks［J］. Scientific Reports，2021，11：16618.

［5］Liang X T，Jia X Y，Huang W Q，et al. Real-Time grading of defect apples using semantic segmentation combination with a pruned YOLO v4 network［J］. Foods，2022，11（19）：3150.

［6］刘" 洁，李" 燕，肖黎明，等. 基于改进YOLO v4模型的橙果识别与定位方法［J］. 农业工程学报，2022，38（12）：173-182.

［7］周桂红，马" 帅，梁芳芳. 基于改进YOLO v4模型的全景图像苹果识别［J］. 农业工程学报，2022，38（21）：159-168.

［8］齐向明，董" 旭. 改进YOLO v7-tiny的钢材表面缺陷检测算法［J］. 计算机工程与应用，2023，59（12）：176-183.

［9］Li C，Wang Y，Liu X. An improved YOLO v7 lightweight detection algorithm for obscured pedestrians［J］. Sensors，2023，23（13）：5912.

［10］Kulyukin V A，Kulyukin A V. Accuracy vs. energy：an assessment of bee object inference in videos from on-hive video loggers with YOLO v3，YOLO v4-Tiny，and YOLO v7-Tiny［J］. Sensors，2023，23（15）：6791.

［11］Ma L，Zhao L Y，Wang Z X，et al. Detection and counting of small target apples under complicated environments by using improved YOLO v7-tiny［J］. Agronomy，2023，13（5）：1419.

［12］Li S J，Wang S L，Wang P. A small object detection algorithm for traffic signs based on improved YOLO v7［J］. Sensors，2023，23（16）：7145.

［13］Zhang Y L，Fang X P，Guo J，et al. CURI-YOLO v7：a lightweight YOLO v7-tiny target detector for citrus trees from UAV remote sensing imagery based on embedded device［J］. Remote Sensing，2023，15（19）：4647.

［14］Quan P K，Lou Y N，Lin H Y，et al. Research on identification and location of charging ports of multiple electric vehicles based on SFLDLC-CBAM-YOLO v7-Tinp-CTMA［J］. Electronics，2023，12（8）：1855.

［15］祝志慧，何昱廷，李沃霖，等. 基于改进YOLO v7模型的复杂环境下鸭蛋识别定位［J］. 农业工程学报，2023，39（11）：274-685.

［16］连逸亚，吴小俊. 超深卷积神经网络的图像超分辨率重建研究［J］. 计算机工程，2019，45（1）：217-220.

［17］杨秀伶. 深度学习无人机遥感影像车辆快速检测方法研究［J］. 测绘技术装备，2023，25（1）：23-30.

［18］陆健强，梁" 效，余超然，等. 基于坐标注意力机制与高效边界框回归损失的线虫快速识别［J］. 农业工程学报，2022，38（22）：123-132.

［19］王科平，连凯海，杨" 艺，等. 基于改进YOLO v4的综采工作面目标检测［J］. 工矿自动化，2023，49（2）：70-76.

［20］张会敏，谢泽奇. 基于多尺度注意力卷积神经网络的苹果叶部病害识别方法［J］. 江苏农业科学，2023，51（16）：154-161.

［21］余贤海，孔德义，谢晓轩，等. 基于深度学习的番茄授粉机器人目标识别与检测［J］. 农业工程学报，2022，38（24）：129-137.

［22］邓" 枭，叶" 蔚，谢" 睿，等. 基于深度学习的源代码缺陷检测研究综述［J］. 软件学报，2023，34（2）：625-654.

［23］黄震华，杨顺志，林" 威，等. 知识蒸馏研究综述［J］. 计算机学报，2022，45（3）：624-653.

［24］任维民，钟国韵，朱伟东，等. 基于改进YOLO v5的行人检测算法［J］. 计算机与数字工程，2022，50（11）：2404-2410.

［25］李伟豪，詹" 炜，周" 婉，等. 轻量型Yolov7-TSA网络在茶叶病害检测识别中的研究与应用［J］. 河南农业科学，2023，52（5）：162-169.

［26］刘浩翰，樊一鸣，贺怀清，等. 改进YOLO v7-tiny的目标检测轻量化模型［J］. 计算机工程与应用，2023，59（14）：166-175.