来源：期刊VIP网 时间：
作者：李俊;曹博涛;彭新东;
单位：广东省南方技师学院;陕西科技大学;韶关学院;
摘要：[目的]提高苹果缺陷和分类准确率。[方法]提出一种基于改进YOLOv7-tiny的苹果缺陷识别方法。设计了多角度图像采集系统，对苹果表面进行采样和增强；利用YOLOv7-tiny网络提取苹果特征；通过改进模糊C均值聚类（IFCM）算法对提取的特征进行降维压缩；采用改进浣熊优化算法（ICOA）自动优化YOLOv7模型的超参数。对比分析不同分辨率、批量大小下，所提方法与ResNet+FPN、YOLOv5s、PP-YOLOE等方法的苹果缺陷识别与分类性能。[结果]所提方法在样本分辨率224像素×224像素时检测准确率可达98.6%，召回率达97.9%，单张图像平均检测时间仅50 ms左右，显著优于所对比方法。[结论]该系统具备高精度和实时性，能够有效提高苹果分类效率和质量，对水果自动分拣具有重要工程意义。
关键词：苹果缺陷识别;;YOLOv7-tiny;;模糊C均值;;浣熊优化算法;;图像增强
基金资助：陕西省国际科技合作计划重点项目（编号：2020KWZ-015）;; 广东省教育和职业培训课题项目（编号：KT2023019）
