中圖分類號：S126：TP391.4 文獻標識號：A 文章編號：1001-4942（2025）06-0149-09

AbstractAiming at the problems of low detection accuracy and miss and 1 detection caused by overlapping or obscured apples in apple surface defects detection，an improved apple surface defect detection method with YOLOv5s algorithm was proposed in this study.Firstly，the convolutional block atention module （CBAM）was added to the Backbone part of the YOLOv5s model to enhance the detection model's attention to the information of important regions of images，so as to improve the model's abilityto detect defects on the surface of apple. Secondly，a weighted bidirectional feature pyramid network（BiFPN）was introduced to fully integrate the apple surface defect features at diferent scales in orderto reduce missed and 1 detections.Finally，the Soft-NMS algorithm was used instead of the NMS algorithm in the original network to optimize the redundant bounding box screening conditions and further reduce the miss detection rate of the model.The experimental results showed that the proposed algorithm in this paper achieved 95.5% of mean average precision （mAP），which improved by 3.3 percentage point compared to the original algorithm，and the recall rate was improved by 4.6 percentage points，so it could be beter used to detect the surface defects of apples.

KeywordsApple surface defect detection； YOLOv5s； Convolutional atention mechanism；Weightedbidirectional feature pyramid network（BiFPN）

蘋果生長、采摘、運輸以及篩選過程中常會遭遇鳥啄食、病蟲害以及磕碰、腐爛等情況，嚴重影響蘋果品質、產量及經濟價值，因此對蘋果表面缺陷進行精準檢測有著重要的意義。但傳統(tǒng)的人工檢測費時費力，且受主觀因素的影響，檢測標準難以統(tǒng)一，精確度和檢測效率均較低。隨著計算機技術的不斷發(fā)展，目標檢測技術得到迅猛發(fā)展，現(xiàn)已廣泛應用于工業(yè)生產檢測、水果蔬菜檢測、面容識別等多行業(yè)。在蘋果表面缺陷檢測中，基于深度學習的檢測方法成為目前研究的熱點之一。薛勇等[2為提高蘋果表面缺陷的檢測效率，提出利用GoogLeNet深度遷移模型進行檢測，蘋果表面缺陷識別準確率達到 91.91% ，與淺層卷積神經網絡及傳統(tǒng)機器學習方法相比具有更好的泛化能力與魯棒性。Zhang等[3」為了解決蘋果表面光線反射不規(guī)則導致的色調差異以及缺陷面積較小難以提取等問題，提出了一種基于模糊C均值算法和非線性規(guī)劃遺傳算法（FCM-NPGA）結合多元圖像分析的蘋果缺陷檢測方法，缺陷蘋果的檢測準確率達到 95% 以上。周雨帆等4為了解決蘋果表面缺陷檢測準確率低的問題，提出一種基于輕量級卷積神經網絡的蘋果表面缺陷檢測方法，在AlexNet網絡結構的基礎上引入深度可分離卷積代替原有網絡中的標準卷積，然后利用全局平均池化代替原網絡中的全連接層，改進后網絡對蘋果缺陷識別精度達到 98.57% ，訓練速度提高32.67% ，在減少模型參數量的同時還保證了模型的檢測精度和效率。代國威等[5為提高溫室番茄自動化采收的效率，提出一種基于八度卷積與注意力機制改進YOLOv5的溫室番茄檢測方法，平均準確率達到 94% 以上，為番茄采摘機器人的運行提供了更高效的技術支持。杜國真等提出一種改進的卷積神經網絡用于蘋果表面缺陷檢測，通過引入深度可分離卷積、LeakyReLU激活函數和全局平均池化等方法，獲得了較高的檢測準確率和速度，且具有更少的模型參數量。慕德旭等[7]為實現(xiàn)在光照不均勻和顏色信息復雜背景下的蘋果表面疤痕有效檢測，采用改進多尺度Retinex圖像增強技術和支持向量機分類技術，使蘋果疤痕檢測準確率達到 92.8% 。張琪等[8]應用改進的FasterR-CNN算法實現(xiàn)了復雜環(huán)境下蘋果較小缺陷區(qū)域的快速檢測，平均精度值達到87% 以上，為果園蘋果快速粗分揀設備開發(fā)提供了技術支撐。張嘉琪等[9]針對蘋果缺陷檢測經常誤檢漏檢、缺陷易混淆等問題，提出一種基于改進YOLOv5的蘋果缺陷檢測算法，通過引入NAM（Normalization-basedAttentionModule）注意力機制、加權雙向特征金字塔網絡和TRANS模塊等方法，使得精確度達到 98% 以上。胡天浩等[10]為實現(xiàn)快速且高效的蘋果缺陷檢測，提出一種名為ACE-YOLO的自適應局部圖像檢測算法，通過采用圖像增強算法和添加小目標檢測層等方法，使得平均檢測精度達到 95% 以上。代東南等[]為實現(xiàn)在移動端對櫻桃缺陷的快速檢測與精準識別，提出一種基于卷積神經網絡改進的輕量化模型，實現(xiàn)了較高準確率和較少參數，適用于櫻桃缺陷檢測與多分類任務，為櫻桃缺陷檢測與品質分級研究提供了新思路。

盡管深度學習算法在蘋果以及其他圓形果蔬缺陷檢測領域的應用逐漸增多，但以往的研究存在缺陷種類較少、蘋果重疊或被遮擋情況下檢測精度低以及誤檢漏檢等問題，鑒于此，本研究以YOLOv5s為基礎網絡，通過引人CBAM和BiFPN以及改用Soft-NMS算法進行改進，增強模型對蘋果表面缺陷區(qū)域的識別，提高復雜情況下的檢測精度，減少誤檢漏檢，以期為提高蘋果的智能化分級篩選效率提供技術支持

1材料與方法

1.1 YOLOv5s網絡及其改進

YOLOv5是GlennJocher提出的一種單階段目標檢測算法，由輸人端（Input）、骨干網絡（Backbone）、頸部網絡（Neck）和檢測頭（Head）四部分組成[12]，根據模型深度和寬度系數的不同，YOLOv5分為多個版本，其中YOLOv5s因檢測速度快、準確率高和參數量小等特點，應用最為廣泛，其網絡結構如圖1所示。與其他應用較為廣泛的目標檢測算法如SSD[13]、Faster R-CNN^[14] MaskR-CNN[15]等相比，YOLOv5s的優(yōu)勢主要在于結構簡單速度快、準確率較高、泛化能力強，因此YOLOv5s被廣泛應用于各類場景的檢測中但是在背景復雜或目標遮擋重疊嚴重等情況下其檢測精準度不夠高，為此，本研究對YOLOv5s網 絡進行如下改進。

1.1.1添加CBAM注意力機制在蘋果表面缺陷檢測的圖像中，通常會有大量的非目標區(qū)域和復雜背景，容易對檢測造成干擾，在此情況下，可以引入注意力機制，以便模型能夠更有效地聚焦于關鍵區(qū)域的信息。卷積注意力模塊（Convolu-tional Block Attention Module，CBAM）[16是一種混合注意力機制模塊，由通道注意力模塊（CAM）和空間注意力模塊（SAM）兩部分組成，具有輕量化和通用性的特點。本研究在YOLOv5s網絡中引人CBAM注意力機制，以提高模型對蘋果表面缺陷區(qū)域的識別。CBAM、CAM和SAM模塊的結構分別見圖2、圖3、圖4。

在CAM部分，首先執(zhí)行全局平均池化和全局最大池化操作以獲取特征圖的空間信息；隨后將這些池化結果傳遞至多層感知機模塊以進行下一步處理;最終將感知機模塊輸出的特征進行合并，并通過Sigmoid激活函數進行處理，得到通道注意力特征 Mc 。

空間注意力特征是對通道注意力特征的補充，反映輸入值在空間維度上的重要性。在CAM之后引入SAM，首先對得到的通道注意力特征進行全局平均池化和全局最大池化操作，然后將兩個結果疊加，再通過Sigmoid激活函數處理，即可得到空間注意力特征 Ms。

1.1.2引入BiFPN改進多尺度特征融合方法在 YOLO^[17] 算法模型中，隨著網絡層數的加深，降采樣操作不斷增多，導致細節(jié)信息不斷被破壞，小目標物體的檢測效果逐漸變差，而隨著層數變多，網絡的感受野逐漸增大，網絡對具有較多像素的大目標物體的認識越來越充分，對大目標物體的檢測也越來越準確?？梢姡瑴\層網絡在捕捉局部細節(jié)信息和小目標物體方面表現(xiàn)出色，這對于目標的精確定位至關重要；而深層網絡則更擅長提取抽象信息或識別大目標物體，有助于目標的分類，但可能在細節(jié)信息的保留上有所欠缺。因此，通過融合淺層網絡特征與深層網絡特征，可以顯著提升模型在目標檢測任務中的性能。在比較初級的 YOLOv3^[18] 中采用FPN結構（圖5a）進行多尺度特征融合，而在 YOLOv4^[19] 和 YOLOv5中則采用PANet結構（圖5b），即在FPN的基礎上添加一層自下而上的特征金字塔，以加強高層特征與底層特征的融合，進一步提高預測精度。

蘋果表面顏色豐富，缺陷種類多樣，為了更好地融合特征，本研究引入更為簡單高效的加權雙向特征金字塔網絡（BidirectionalFeaturePyramidNetwork，BiFPN），其結構見圖 5c 。BiFPN[20]是在PANet的基礎上進行改進：首先，刪除只有一條輸入邊的節(jié)點，簡化網絡；其次，如果兩個節(jié)點處在同一水平上，就添加一條額外的邊，從而在不增加太多額外成本的情況下融合更多的高層和底層的特征信息；然后，BiFPN將每一層雙向路徑視作一個獨立的特征網絡層進行處理，并通過多次迭代同一層級，達成更深層次的特征融合。最終得到的特征圖集成了雙向尺度連接以及經過權重歸一化處理后的融合結果。通過引入BiFPN模塊，可以在不增加額外計算負擔的前提下，實現(xiàn)特征金字塔網絡結構的進一步優(yōu)化，并加強多尺度特征的融合能力，進而顯著提升模型的檢測精度

1.1.3用 Soft-NMS算法替換原始網絡的NMS算法NMS（non maximum suppression）即非極大值抑制，顧名思義就是抑制和刪除置信度值不是極大值的預測框，而留下置信度值是極大值的預測框，在目標檢測模型中扮演著至關重要的角色在YOLOv5s中，NMS算法會根據置信度對所有預測框進行排序，選出置信度值最大的候選框M，然后直接去掉在預定閾值范圍內與候選框M重疊的框，從而使模型能快速檢測到目標物體，

但是傳統(tǒng)的NMS存在一定缺陷，即當兩個待檢測的物體距離很近甚至相互重疊時，兩者對應的預測框就會很接近，這時置信度值低的框就會因為與置信度值高的框重疊面積過大而被刪掉，從而導致對該物體的檢測失敗，降低檢測的準確率。為此本研究引入Soft-NMS[21]替代NMS。Soft-NMS使用一個懲罰函數來降低與M重疊的預測框的置信度分數，而不是簡單地將其置信度分數設置為零，所以在目標重疊或者遮擋的場景中，使用Soft-NMS可以很好地降低誤檢率，從而提升整體算法的召回率和精確率。

1.1. 4 改進后的網絡整體結構 首先，在YOLOv5s模型的Backbone部分加入CBAM，增強檢測模型對圖像重要區(qū)域信息的關注程度，提升模型對蘋果表面缺陷的檢測能力。其次，引入BiFPN，充分融合不同尺度的蘋果表面缺陷特征，以達到減少漏檢和誤檢的目的。最后，使用Soft-

NMS算法替代原始網絡中的NMS算法，優(yōu)化冗余邊界框篩選條件，進一步降低模型的漏檢率。

改進后的模型結構如圖6所示

1.2 數據集

本研究所用原始圖像數據均拍攝于山西省運城市的蘋果園，分為健康、褶皺、腐爛、機械損傷和蟲眼5類，各類的示例圖見圖7。原始數據集中總共有5000張圖像，每個類別1000張。為了模擬拍攝過程中遇到的各種不利環(huán)境，增強算法的抗干擾能力，采用高斯噪聲、椒鹽噪聲、變亮、變暗和低像素5種數據增強方法來擴充數據集，示例見圖8。數據增強后的數據集圖像達到30000張，然后按照8：1：1的比例隨機劃分訓練集、驗證集和測試集。

1.3 實驗環(huán)境及訓練參數設置

本研究實驗環(huán)境：基于AutoDL云服務器，使用Ubuntu 操作系統(tǒng)，PyTorch1.11.O 框架，Python版本3.8，CUDA版本11.3，GPU為RTXA5000，顯存24GB，CPU的配置為AMDEPYC7543，內存30GB 。

訓練參數設置：訓練輪次（Epoch）為150，權重衰減（Weightdecay）為0.0005，動量參數（Mo-mentum）為0.937，學習率（Learnrate）為0.01，批量大?。˙atch size）為64

1.4 模型評估指標

本研究選擇平均精度均值（mean AveragePrecision，mAP）、召回率（Recall，R）和精確率（Precision，P）3個指標對模型進行評估。召回率主要是針對原樣本進行考量，具體指在實際為正類的樣本中被模型預測為正類的比例；而精確率則是著眼于預測結果，代表的是在模型預測為正類的所有樣本中，真實情況下確實為正類的概率。這兩個指標各有側重，前者體現(xiàn)了模型找出真正類的能力，而后者則反映了模型預測正類的準確性，其計算公式見式（1）、（2），其中 ΔN_FN 表示標注為正樣本而識別為負樣本的個數， ΔN_TP 表示正樣本被正確識別為正樣本的個數， N_FP 表示負樣本被錯誤識別為正樣本的個數。mAP的計算公式見式（3）、（4），其中 n 指需要分類的類別數，AP表示目標類的平均精度， mAP 是平均精度均值，是各類別AP的平均值，用于衡量模型在多類別檢測任務中的綜合性能

2 結果與分析

2.1 注意力模塊對比實驗

為了驗證本研究加人CBAM注意力模塊的有效性，選用SE（通道注意力模塊）、CA（坐標注意力模塊）、SimAM（簡單注意力模塊）進行注意力模塊的對比試驗，結果如表1所示。相較于原始YOLOv5s網絡，加人SE 模塊和CA 模塊后，mAP、精確率、召回率均出現(xiàn)了下降，mAP分別下降0.4、0.2個百分點，精確率分別下降3.5、4.1個百分點，召回率分別下降2.7、1.2個百分點，單張圖片檢測時間略延長；加入SimAM模塊后，mAP提升了0.7個百分點，檢測時間無變化，但精確率、召回率仍分別低于原始網絡2.0、0.4個百分點；而加入CBAM模塊后，mAP、精確率、召回率分別提升1.7、0.5、1.8個百分點，且檢測時間有所縮短?？梢?，加入CBAM模塊的效果最好，可在保證檢測速度的前提下明顯提升mAP，證明了本研究引人CBAM注意力模塊的有效性

2.2 消融實驗

為了評估本研究各項改進措施的有效性，進行了消融實驗，結果（表2）顯示，與原始YOLOv5s網絡相比，僅加人CBAM注意力機制模塊后，mAP提升了1.7個百分點，召回率和精確率分別提升1.8、0.5個百分點，模型大小和單張圖片檢測時間與原始網絡的相當；僅加入BiFPN模塊后，模型的mAP、召回率和精確率分別提升1.9、1.5、0.9個百分點，單張圖片檢測時間增加 0.3ms ，模型大小增加0.1MB；僅改用Soft-NMS算法后，參數量和模型大小保持不變，而召回率提升了4.4個百分點，提升明顯， mAP 、精確率分別提升2.0、0.6個百分點，單張圖片檢測時間縮短了 0.5ms ，取得了較好的效果。相比而言，本研究提出的改進模型（ 雖然參數量、模型大小、單張圖片檢測時間略有增加，但是mAP、精確率、召回率均明顯高于其他模型，分別達到了 95.5%.96.4%.92.5% ，模型性能得到明顯提升，進一步證明了本研究所提改進措施的有效性。

2.3 本研究所提改進算法與其他目標檢測算法的對比實驗

為了評估本研究所提改進算法的有效性，將其與當前一些常用的目標檢測算法（YOLOv5s、ΥOLOv5m 、YOLOv5n、SSD、YOLOv7、YOLOv7-ti-ny）進行比較，結果（表3）顯示，本研究所提改進算法的召回率、精確率和mAP均明顯高于其他算法，而模型大小、參數量及檢測速度與原始算法相當，明顯低于 YOLOv5m，SSD，YOLOv7 ，與本研究所提改進算法相比，雖然 $＼Upsilon _ { ? } 0 ＼mathrm { L O v } 5 ＼mathrm { n }$ 具有更快的檢測速度和更小的參數量，但其精確率、召回率、mAP分別只有 86.6%.84.6%.89.9% ，遠不能滿足實際需要；YOLOV7-tiny作為升級版的YOLO模型，雖然具有更小的參數量且占用的內存更小，但是檢測單張圖片用時是本研究所提改進算法的1.85倍，且mAP降低3.1個百分點。原始YOLOv5s模型與改進模型的PR曲線如圖9所示，圖中各類別后數值表示PR曲線面積，PR曲線面積越大說明該類別的AP值越高，模型的檢測效果越好，可以看出改進后的模型明顯優(yōu)于原模型。綜合來看，本研究所提改進算法在檢測蘋果表面缺陷時具有更高的精確度、更小的參數量以及更快的檢測速度，充分說明了本研究改進算法的有效性。

2.4 改進模型對蘋果表面缺陷的檢測效果分析

為了進一步評估本研究提出的改進YOLOv5s模型的有效性，用測試集數據對其與原始YOLOv5s的檢測效果進行對比分析，結果如圖

10所示，圖中第一行為原始YOLOv5s的檢測結果，第二行為本研究所提改進模型的檢測結果觀察比較圖10a（1）和a（2）可知，原始YOLOv5s模型會出現(xiàn)漏檢的問題，未檢測到被遮擋的健康蘋果，而本研究提出的改進模型則準確檢測到了被遮擋的健康蘋果，且檢測到的機械損傷蘋果的置信度更高；觀察比較圖 10b（1） 和b（2）可知，改進YOLOv5s模型的預測框大小更為合理，且置信度更高；由圖10c（1）和c（2）對比可得，原始YOLOv5s模型會出現(xiàn)誤檢的情況，將蟲眼誤檢成腐爛，并將背景中的半圓形物體誤檢成機械損傷，而改進模型識別準確且置信度更高;由圖10d（1）和d（2）對比可得，改進前后的模型都能準確檢測到兩個褶皺蘋果，但是原始YOLOv5s模型卻把健康蘋果錯誤檢測成褶皺蘋果。綜上所述，改進YOLOv5s模型能很好地避免漏檢誤檢的情況，而且也能很好地檢測到被遮擋或者重疊目標，具有較高的識別準確度

3 結論

為了更好地解決在蘋果表面缺陷檢測任務中因重疊或遮擋造成的檢測精度低以及誤檢漏檢等問題，本研究在YOLOv5s模型的基礎上進行改進，通過在Backbone部分加人注意力模塊CBAM、引入BiFPN、使用Soft-NMS算法替代原始網絡中的NMS算法，有效增強了模型對圖像重要區(qū)域信息的關注程度，充分融合了不同尺度的蘋果表面缺陷特征，優(yōu)化了冗余邊界框篩選條件，從而提升了模型對蘋果表面缺陷的檢測能力，達到了減少漏檢和誤檢的目的。實驗結果顯示，改進模型的精確率、召回率、mAP分別達到 96.4% ！92.5%.95.5% ，相較于原始模型分別提升了3.2、4.6、3.3個百分點，但參數量、模型大小、單張圖片檢測時間并無明顯增加，表明本研究提出的改進模型可以更好地檢測出多種蘋果表面缺陷，具有很好的實際應用價值。今后將進一步豐富樣本種類，擴充數據庫，提高模型的泛化能力，并進一步優(yōu)化算法，提高模型在移動端及復雜情況下的識別準確度和精度

參考文獻：

［1］王壹.中國蘋果產量穩(wěn)居世界第一[N].農民日報，2023-11-18（007） .

[2] 薛勇，王立揚，張瑜，等.基于GoogLeNet深度遷移學習的蘋果缺陷檢測方法[J].農業(yè)機械學報，2020，51（7）：30-35.

[3] ZhangWZ，Hu J，Zhou GX，et al.Detection ofappledefectsbased on the FCM-NPGA and a multivariate image analysis[J].IEEEAccess，2020，8：38833-38845.

[4] 周雨帆，李勝旺，楊奎河，等.基于輕量級卷積神經網絡的蘋果表面缺陷檢測方法[J].河北工業(yè)科技，2021，38（5）：388-394.

[5] 代國威，樊景超，胡林.采用天氣增強與八度卷積改進YOLOv5的番茄檢測模型構建［J]．山東農業(yè)科學，2022，54（11）：138-149.

[6] 杜國真，盧明星，季澤旭，等.基于改進CNN的蘋果缺陷檢測方法研究[J].食品與機械，2023，39（6）：155-160.

[7] 慕德旭，楊蕾，吳志強.基于改進多尺度Retinex圖像增強和支持向量機的蘋果表面缺陷檢測[J].食品安全質量檢測學報，2023，14（20）：183-191.

[8] 張琪，曹浩.基于改進的FasterR-CNN蘋果缺陷區(qū)域目標檢測[J].安徽科技學院學報，2023，37（3）：96-101.

[9] 張嘉琪，徐啟蕾.基于NAM-YOLO網絡的蘋果缺陷檢測算法[J].計算機與現(xiàn)代化，2023（10）：53-58，64.

[10］胡天浩，高秀敏，華云松，等.基于深度學習的自適應蘋果圖像多缺陷檢測[J]．山東理工大學學報（自然科學版），2024，38（1） ：42-47.

[11］代東南，馬睿，劉起，等.基于特征融合注意力機制的櫻桃缺陷檢測識別研究［J].山東農業(yè)科學，2024，56（3）：154-162.

[12］魏麟，何峻毅，譚任翔，等.基于改進YOLOv5的無人機目標識別方法[J].現(xiàn)代信息科技，2024，8（3）：84-88.

[13]Liu W，Anguelov D，Erhan D，et al. SSD：single shot multiboxdetector[C]//Computer Vision-ECCV 2016：14th EuropeanConference，Amsterdam，The Netherlands，October 11- 14，2016，Proceedings，Part I 14. Springer International Publish-ing，2016：21-37.

[14]Ren S Q，He K M，Girshick R，et al.Faster R-CNN：towardsreal-time object detection with region proposal networks[J].IEEE Transactions on Pattern Analysis and Machine Intelli-gence，2017，39（6） ：1137-1149.

[15]He K M，Gkioxari G，Dollar P，et al.Mask R-CNN[C]//Pro-ceedings of the IEEE International Conference on Computer Vi-sion. IEEE，2017：2980-2988.

[16]Woo S，Park J，Lee J Y，et al. CBAM： Convolutional block at-tention module[C]//Proceedings of the European Conferenceon Computer Vision （ECCV）. Springer，2018：3-19.

[17]Redmon J，Divvala S，Girshick R，et al. You Only Look Once：unified，real-time object detection[C]//Proceedingsof the2016 IEEE Conference on Computer Vision and Pattern Recog-nition. IEEE，2016：779-788.

[18]Redmon J，F(xiàn)arhadi A. YOLOv3：an incremental improvement[J/OL]. arXiv：1804.02767[cs.CV]，2018.htps：//doi.org/10.48550/arXiv.1804.02767.

[19]Bochkovskiy A，Wang C Y，Liao H Y M. YOLOv4：optimalspeed and accuracy of object detection[J/OL].arXiv： 2004.10934[cs.CV]，2020.htps：//doi.org/10.48550/arXiv.2004.10934.

[20]Tan M X，Pang R M，Le Q V. EficientDet：scalable and effi-cient object detection[C]//Proceedings of the 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition.IEEE，2020：10781-10790.

[21] Bodla N，Singh B，Chellappa R，et al. Soft-NMS： improving ob-ject detection with one line of code[C]//Proceedings of the2017IEEE International Conference on Computer Vision.IEEE，2017：5561-5569.