【摘要】为实现草莓采摘机器人在温室中对草莓的快速、精确检测，该文提出一种yolov5-en算法。在原有yolov5基础上，首先对原始主干网络卷积操作并加入CBAM模块；其次，引入BiFPN模块进行多尺度特征融合；然后，使用直方图均化算法和Mosaic数据增强进行目标检测数据预处理；最后，优化K-means算法对训练数据集聚类分析，同时使用Focal loss损失函数构建yolov5-en目标检测网络。通过对比试验得出：与yolov5、Faster-RCNN ResNet101和Faster-RCNN VGG16模型相比，yolov5-en的mAP分别提升了3.41%、17.85%和14.40%，可达94.36%。通过采摘机器人模拟环境检测验证了该模型的可行性，且达到了应用水平，可为采摘机器人实时小目标检测提供支撑。