针对水产养殖行业鱼的销售过程中手工录入账目信息带来的低效率、易出错和漏记等问题,本文设计了鱼种类智能识别算法和移动端应用软件,实现自动识别鱼的种类,并实时上传价格、售卖时间等信息,能够查看和统计相关信息,减少了录入和统计等工作量。本文分别使用Mobile Net V3与YOLOv5s两种模型进行单目标场景与多目标场景下的鱼种类智能识别,并将其部署应用于移动端设备,最后设计开发了相关应用软件,将鱼种类识别功能落地,并实现了订单查询功能便于用户统计账目。本文具体工作如下:1)针对实际应用场景下数据样本量小的缺陷,自建“wfish-data”数据集,并采用Auto Augment搜索策略预处理数据以增强数据鲁棒性。采用Mobile Net V3模型完成单目标场景下的识别。针对移动端设备算力低、性能差的问题,设计了w-SENet模块使模型在维持原有准确率的情况下最大幅度减小计算量,同时采用Re LU6激活函数对浅层网络进行优化,弥补了由模型缩减带来的精度损失。最后基于Android平台实现了部署落地,并基于该平台完成推理速度提升实验。实验数据表明,数据预处理后模型准确率可达99.1%,模型改进后推理速度得到了提升。2)采用YOLOv5s模型完成多目标场景下的识别。针对多目标场景下目标易被遮挡且被遮挡目标检测效果差的问题,采用区域随机擦除的方法优化被遮挡情况下的模型检测效果。针对移动端设备算力低、无法满足实时性要求的问题,以BN层γ值为衡量标准对模型进行结构化剪枝以缩小模型体积,采用int8量化进一步减少模型计算量,并基于Android平台完成模型部署落地。最后基于部署平台对随机擦除与剪枝量化后的模型进行实验分析。实验结果表明,随机擦除后模型m AP可达97.52%,剪枝量化后推理速度提升较大。3)最后,本文基于两种场景下的鱼种类识别算法设计了移动端App,将识别模型在单目标场景与多目标场景下的应用与功能相结合,实现了实时识别鱼种类、一键上传订单信息、销售信息统计查询等功能。