随着人力成本的持续上涨和劳动力短缺，自动化苹果采摘装备成为农业领域的迫切需求。在苹果被自动化采摘前，苹果采摘装备不仅要能够准确定位苹果，更要对果实的可抓取性作出准确识别。目前对于苹果单一性检测上的研究较多，但关于遮挡下的苹果可抓取性的识别仍是一个待解决的技术难题。本研究提出了一种基于YOLOv5s网络模型改进的的多类型苹果遮挡检测方法，专门用用于在复杂果园环境中识别各种遮挡下的苹果，并据此判断其可抓取性。采用自监督学习和知识迁移策略，可以有效地减少对标注数据的需求，降低数据制作成本。