Con el fin de abordar el problema de la clasificación de tomates industriales tradicional, que consume mucho tiempo y mano de obra, este documento propone una estrategia de reconocimiento de tomates de alta precisión y un sistema de agarre automático rápido. En primer lugar, se integra el módulo Swin Transformer en YOLOv10 para reducir la resolución de cada capa a la mitad y duplicar el número de canales, mejorando la precisión del reconocimiento. Luego, se añaden el Módulo de Atención Simple (SimAM) y los mecanismos de atención de Atención Multi-escala Eficiente (EMA) para lograr una integración completa de características, y se introduce la Atención de Enrutamiento Bi-nivel (BiFormer) para atención dinámica dispersa y asignación de recursos. Finalmente, se añade una cabeza de detección ligera a YOLOv10 para mejorar la precisión de la detección de objetivos pequeños. Para complementar el sistema de reconocimiento, se emplea un agarre suave de origami de un solo vértice y múltiples pliegues (SVMC) para un agarre adaptativo rápido de los objetos identificados a través de deformación bistable. Este sistema innovador permite un agarre rápido y preciso de tomates después de la identificación, mostrando un potencial significativo para su aplicación en operaciones de clasificación de frutas y verduras.