La mecanización agrícola ocupa una posición clave en la agricultura moderna. Apuntando a la parte de detección de objetivos de reconocimiento de frutas del robot recolector, se propone un método de reconocimiento de mangos basado en una estructura de red YOLOv4 mejorada, que puede identificar y localizar rápidamente y con precisión los mangos. El método mejora la precisión de reconocimiento de la red de ajuste de ancho, luego reduce el módulo ResNet (Redes Residuales) para ajustar la red del cuello y mejorar la velocidad de predicción, y finalmente agrega CBAM (Módulo de Atención de Bloque Convolucional) para mejorar la precisión de predicción de la red. El modelo de red recientemente mejorado es YOLOv4-LightC-CBAM. Los resultados del entrenamiento muestran que el mAP (Precisión Promedio Media) obtenido por YOLOV4-LightC-CBAM es del 95,12%, lo que es un 3,93% más alto que YOLOv4. En cuanto a la velocidad de detección, YOLOV4-LightC-CBAM es de hasta 45,4 cuadros, lo que es un 85,3% más alto que YOLOv4. Los resultados muestran que la red modificada puede reconocer los mangos mejor, más rápido y con mayor precisión.