近年来,随着科技的进步,越来越多的产品实现了智能化并在生活的各个方面取得了不错的效果。然而,在农贸市场、菜市场等农产品交易场所智能化还未能成功的实现,期盼着科技带来更加便捷的交易方式。例如,只需简单地将蔬菜放到电子秤上,无需售货人员的手动操作,智能电子秤就能实现蔬菜的种类识别、称重与价格计算等功能,方便快捷地进行农产品交易。在实际的农贸市场环境中应用智能电子秤的关键是能否对蔬菜进行准确的识别。本文应用了计算机视觉的方法对蔬菜进行智能自动识别分类,这为菜市场的智能化提供了基础,具有很好的研究价值与意义。本文针对蔬菜识别开展了两方面研究:面向蔬菜识别的深层卷积神经网络模型设计和面向嵌入式的蔬菜网络模型压缩。传统的蔬菜识别算法的研究,主要遵循如下框架的步骤:1)提取蔬菜的特征:如颜色特征、纹理特征、形状特征、密度特征;2)特征的分类:通过融合以上特征送入到SVM[41]分类器或者最小小近邻分类器分类。由于有些蔬菜的颜色、形状很相近,加之菜市场的光线、背景等环境相对复杂,蔬菜识别是一项巨大的挑战。所以本文采用的是目前比较热门的深度学习识别算法。经过对相关知识研究以及大量的实验,证明了深层卷积神经网络具有很强的鲁棒性、更广的泛化性、很好的精确性。本文通过研究蔬菜识别技术,并做了大量的实验,取得了不错的结果。本文主要工作如下:1)蔬菜数据的制作和处理:由于蔬菜数据在国内外没有公开的数据集,所以本实验中的蔬菜数据是自己采集的,其主要来源是电子秤摄像头采集和网络图像的收集。由于菜市场的复杂环境本文对蔬菜数据也做了相应的处理来提高识别的准确性。在此,本实验主要鉴别100种常见蔬菜,每种蔬菜图像在3000张左右。2)设计一个面向蔬菜识别的深度卷积网络结构:本文通过大量的实验,设计了一个面向蔬菜识别的深度卷积网络结构,此网络结构主要使用了全卷积方法,本文使用3*3卷积核去替代大的卷积核(如7*7、5*5等),在相同感受野的情况下,可以一定程度的提高准确性。3)设计了一个面向嵌入式的网络压缩的网络结构:主要是在面向蔬菜识别的深度卷积网络结构的基础上进行压缩。本文主要采用了三种压缩方法:减少输入输出特征图的通道数以减少计算量;减少池化层(Pooling)以提高计算速度;用深度分离卷积替代3*3卷积、用1*1卷积替代标准的3*3卷积可以达到模型压缩的目的。4)蔬菜识别算法移植到嵌入式系统:通过查阅相关资料,找到一款合适的嵌入式开发板Firefly-RK3399,并成功移植了蔬菜识别算法。通过实验验证,系统可以在开发板上稳定的运行。5)实验验证:目前本文设计的蔬菜识别算法,针对日常生活中菜市场可见的100种蔬菜可以准确识别,取得了不错的结果,可以推动菜市场的智能化发展,具有很大的研究意义。目前此算法已在厦门农贸市场投入使用,并且得到了客户的肯定。