【摘要】[目的]花卉多目标识别定位是自动化作业的基础，大型的目标检测网络识别效果好，但由于复杂度高难以满足实时检测需求，本文提出了基于YOLOv4的轻量化目标检测算法。[方法]采用MobileNetV3替换原有的主干特征提取网络；自下而上融合网络的浅层和深层特征；最后简化路径聚合网络进一步减少计算量；结合优化K均值聚类获得的预选框参数来提高算法对特定目标的检测精度，并比较训练策略对模型性能的影响，将优化后的算法集成到用户交互界面，实现花卉识别定位。[结果]该系统实现了操作简单的花卉多目标的识别，具有实时反馈和较高准确率等优势，改进算法在余弦退火方式下训练得到的模型对图像的处理速度为31.85fps，最高检测精确率达96.43%。[结论]这种基于YOLOv4的轻量级目标检测模型具有较高的识别率，系统对多目标花卉的检测具有可行性，为自动化作业提供技术支撑。