近年来,在“互联网+”的浪潮下,人工智能等前沿技术正从学术研究向商业落地迈进,人工智能与实体经济深度融合成为了国家重要战略之一,这也为零售业带来新的机遇。目前众多零售方式采用的是人工识别条码收银结账,会造成收银人工成本过高,结账时间长的问题。本文通过人工智能技术实现机器检测和识别面包并由机器完成收银结账。智能面包识别及结算是本文的关键技术,通过对识别精度、检测速度和使用成本三方面进行研究,设计并实现了嵌入式卷积神经网络的面包智能零售系统,推动零售业的智能化发展。本文将系统架构分为图像采集、面包检测与识别、计价支付几个模块,并重点对面包检测与识别模块的相关算法进行深入研究。通过采集和标注面包模具图像建立面包数据集。在卷积神经网络和目标检测与识别技术的理论基础上分析面包检测与识别的方法。本文先设计了区域候选二阶段面包识别模型,mAP达到0.99验证了面包识别任务的可行性,之后设计端到端单阶段面包识别模型在mAP维持0.99不降的情况下检测速度提高了 4倍,使用jetson TX2作为嵌入式实验平台。为实现系统的商业落地,本文在成本问题上着重考虑,使用较为廉价的搭载安卓系统的C10设备作为嵌入式平台,该设备性能较差且模型容量需限制在10MB左右,面对这一难题,本文引入轻量卷积神经网络并进行算法改进,采用图像处理进行候选区域提取,采用轻量卷积神经网络实现分类识别的方法将模型容量降低近80倍达到3MB,并将mAP维持在0:98。针对图像处理受光照影响的问题本文进一步改进算法,采用网络剪枝后的轻量卷积神经网络结合ncnn框架实现了近似效果并解决了光照问题。最后本文设计安卓app将算法移植并实现了整个嵌入式面包智能零售系统,进过测试,该系统响应速度快,识别准确能够快速投入面包门店进行使用。今后进一步研究工作可以集中在面包数据集的训练优化,缩短训练时间、简化训练流程。