基于YOLOv7改进的夜间樱桃检测方法：YOLOv7-Cherry

针对樱桃检测算法无法对夜晚环境下的樱桃进行成熟度识别的问题，提出一种改进的YOLOv7算法：YOLOv7-Cherry。使用一种将夜间樱桃图像和白天相同位置的樱桃图像相融合的图像预处理方法，保留夜间樱桃图像高空间分辨信息的同时加强其光谱分辨率。在YOLOv7-Cherry中，将CBAM注意力机制插入到骨干网络中，利用注意力机制强化神经网络的表征能力，强调重要特征，忽略次要特征，加强对樱桃目标特征的提取；为了加强目标检测算法对图像中小樱桃的识别，增加小目标检测层；改进了原始网络的初始检测框大小；为了减少遮挡对樱桃目标造成的损失，对检测框使用了Soft-NMS方法进行冗余去除。实验结果表明，YOLOv7-Cherry可以有效地识别出夜晚环境下的成熟樱桃和未成熟樱桃,与YOLOv3、Faster-RCNN、YOLOv4、YOLOv5和原YOLOv7相比，YOLOv7-Cherry的mAP提高了26.88、25.05、22.51、17.11和7.66个百分点，其中，识别精度、召回率、mAP和F1为93.9%、94.7%、97.4%、94.3%。