目前,目标检测在人脸识别,交通流量检测等方面应用广泛,但国内方形木材数量识别主要使用的还是人工计数方式,清点人员需要在现场对方形木材进行点根,人工清点方形木材效率低,耗费人力。通过目标检测算法模型识别方形木材数量,人工修改误检的方式无疑能节约人力,降低成本。本文通过现场拍摄的方式获取了方形木材数据集,针对数据集中存在亮度不一等问题进行了数据增强,设计方形木材数量智能数量识别实验提出较好的数据增强方式。针对原模型遮挡漏检和边缘漏检,本文使用空洞卷积优化YOLOv4网络结构提出三种网络结构,使用kmeans++算法对锚框进行聚类,实验对比网络结构以及损失函数后提出DYOLOD模型,最后与Faster R-CNN,SSD等模型进行实验对比,实验结果证明DYOLOD模型在方形木材数量识别上优于Faster R-CNN等模型。本文设计并实现了方形木材数量智能识别系统,把DYOLOD模型应用于方形木材数量识别,包括方形木材数量智能识别系统以及系统管理系统。使用Spring框架,Vue框架以及B/S架构等技术实现了安卓端方形木材数量智能识别系统和网页端系统管理员系统。实现了方形木材数量的智能识别功能,模块选取功能,报表生成功能,个人信息管理功能,以及模型管理功能。最后,本文对该方形木材数量智能识别系统进行了功能测试和性能测试。通过测试,证明系统的功能和性能满足初期运行的基本要求,能够为方形木材数量智能识别人员提供服务,提升方形木材数量智能识别的效率。