我国近些年来正在大力的发展农林业,农林作物的产量逐渐增加,导致果实采摘的工作量日益剧增,由于人工作业效率低下,在丰收季节已经无法满足实际需求,因此使用机器人进行作业的方法应运而生。农业机器人已经成为最有前景的机器人之一。许多农业工作都是重复性的,如播种、除草、修剪等。农业机器人为农民解决了那些重复的、耗时的任务,解放了农民的双手。机器人具有着使用寿命长,重复性好等特点,且可在恶劣天气下进行工作。机器人采摘作业包含了许多挑战性的任务,比如果实的选择和定位等。因此,精准的水果识别定位系统的开发是实现全自动机器采摘的重要一步。现阶段应用于果园内的果实识别定位算法存在着小果实漏检、被遮挡的果实无法判断等问题,导致效果并不十分理想。本文针对上述关键问题,重点展开了对果实采摘定位的研究。提出了一种改进的水果采摘目标识别算法,目的是解决小果实和被遮挡的果实无法识别的问题。该算法以卷积神经网络为框架,根据果实和果园内的环境特征,采用了改进特征提取映射,增加特征金字塔网络的方法,获得了更多的细致特征,减小了较小果实的漏检率。另外对检测框去除策略进行了改进,避免了因果实之间相互重叠而漏检的问题。由于果实的图片采集结果为二维的平面图片,检测算法定位的目标果实位置也是图片内果实的位置,但是在采摘中需要得知果实的实际三维坐标才能进行采摘。针对空间定位的问题,本文提出了建立多个坐标系的策略,解决了二维平面无法确定果实在实际空间位置的问题。实验结果表明:改进后的算法在果实目标识别的精准度上有了较大的提升,尤其是在对小目标果实检测和重叠果实检测上达到了较好的效果。整体的果实识别准确率提高了约3.48个百分点。