Aimando a los problemas de distribución densa, color similar y fácil ocultamiento de las hojas tiernas de té famoso y excelente, en este artículo se propuso un modelo mejorado YOLOv7 (you only look once v7) basado en un mecanismo de atención. Los módulos de mecanismo de atención se agregaron a las posiciones frontal y trasera de la red de extracción de características mejorada (FPN), y se compararon los efectos de detección de la red YOLOv7+SE, la red YOLOv7+ECA, la red YOLOv7+CBAM y la red YOLOv7+CA. Se encontró que el modelo YOLOv7+CBAM Block tenía la mayor precisión de reconocimiento con una precisión del 93.71% y una tasa de recuperación del 89.23%. Se encontró que el modelo tenía ventajas de alta precisión y tasa de error en la detección de objetivos pequeños, detección de múltiples objetivos, detección de objetivos ocultos y detección de objetivos distribuidos de manera densa. Además, el modelo tenía un buen rendimiento en tiempo real y tenía un buen prospecto de aplicación en la gestión inteligente y la cosecha automática de té famoso y excelente.