伴随着新零售时代的到来,线下实体门店的发展面临着更多的机遇与挑战。终端用户的个性化需求不断提高,体验式消费、智能零售等新零售方式都将成为线下实体门店发展机遇组成的重要部分。本论文基于该现状,对现有线下实体门店的商品收银的过程进行改进,以加快收银过程,降低收银过程中人为引起的错误因素。本论文设计并实现了基于卷积神经网络的商品识别系统。该系统以创新型微小线下门店(商品类型100件以内)的零售商品为基础,实现了自动识别零售商品,自动计算商品数量以及商品总价格,使得终端用户的购买体验得到提升,同时减少线下门店的收银人员,并且也降低了人为因素导致的价格计算错误的几率。本系统主要由硬件和软件两部分组成。硬件包含一个高清摄像头,放置商品的底座以及显示商品数量和商品价格的LED显示区域。软件实现了商品图像数据采集、图像数据识别以及商品价格管理等功能。本论文实现的主要内容分为两个阶段:商品图像识别训练;商品图像实时识别。商品图像识别的采集和训练主要挑战的是算力和效率的大难题。在商品图像识别训练阶段,设计了对数据进行预处理方案,产生自动商品图像的采集标记化,极大降低了客户在图像建模采集方面的难度和提升了效率;对图像进行预处理时采用了轮廓检测,对比度增强等方法,提高了客户在图像建模采集方面的效率;对图像进行识别训练时,采用了卷积神经网络进行深度学习训练。通过上述方法的处理训练,最终产生图像识别学习的训练结果。在商品图像实时识别阶段时,本论文采用了消息驱动的方式实现了实时识别系统,由用户触发实时识别事件,系统自动实时拍摄商品,商品图像识别训练的结果进行实时识别,最终计算出识别出的商品价格并显示。本论文完整的实现了商品识别结算功能并在测试中运行稳定,已于2019年在美国QFC,Costa等零售公司的创新零售无人亭尝试使用,并准备为公司零售物流系统的产品的正式组成部分推向市场。