水果是我国重要的经济作物之一，果业对于农民的增收和国家经济的发展都具有重要意义。为实现复杂自然环境下对果树树干的识别，提升当前果园生产水平，本文提出一种以YOLOv5模型为基线的果树树干识别检测模型（YOLOv5-SR）。在YOLOv5的backbone网络中以RepVGG模块代替部分C3模块，利用RepVGG模块结构重参数化特点实现提升网络模型的检测速度，满足实时性的要求；其次，在网络模型中引入SimAM注意力机制模块，利用SimAM注意力机制无参的特点在不影响模型速度的情况下加强对检测目标的提取能力，提升模型的检测精度。实验结果表明，改进后的模型相比较于YOLOv5，检测速度提升了10%，平均精度均值提升了6%，实现速度与精度上的提升。该研究满足在复杂环境下实时检测果树树干，有助于进一步推动智能化果园机器人的研发与应用。