赵海越 黄昭县 宁玉富

（山东青年政治学院 山东省济南市 250000）

在超市和市场中，消费者购买果蔬需要完成等待称重、计价、贴码，付款等一系列复杂的流程，而完成流程所需的时间长、精度低、速度慢，这必然会降低消费者的购物体验[1]。同时，该过程也需要商家招聘相应的人员来完成称重、计价、贴码等流程。这对于商家来说，无疑是加大了人力成本，且造成了一定的人力资源损失。

近年来，如何利用AI技术实现果蔬自助销售，引起人们的广泛关注。在2020年张建强等人[2]提出了基于机器视觉的果蔬自动销售系统，该系统利用了机器视觉技术实现了分类识别功能。但是其神经网络构造简单，还存在着检测速度慢、识别易混淆、需要PC上位机才能实现其功能等问题。

而毛颖颖等人[3]针对果蔬识别开发了相应的深度学习算法，通过Android端采集图像，在其建立的专属数据库完成对果蔬的识别和分类，最终取得了不错的效果。毛颖颖等人在研究过程中，发现了不同的外部环境会对识别效果产生不同的影响。但是，毛等人并未重视该影响，只是将实验至于不同环境下进行多次测试。

在2015年Joseph Redmonsho开发了YOLO[4]算法模型。YOLO算法在检测物体方面具有速度快的优势，但在识别精度上与Fast R-CNN[5]相比略有不足。后来Joseph Redmonsho提出了精度更高，识别速度又快的YOLO9000[6]、YOLOv3[7]等模型算法。

由于YOLO系列算法具有检测速率快、识别度高等优点，常常被工业界搭载到嵌入式设备上替代传统的人工检查岗位。因此，本文提出，在嵌入式设备上携带YOLOv3-M深度学习算法，使该设备能够准确、快速地识别果蔬。……