信息化技术的快速发展以及物流运输行业的成熟,使得网上购物更加便捷,越来越多的消费者已经习惯通过网络购买日常生活所需的物品。但生鲜果蔬类商品由于其易腐易损的特点,不便于线上购买,因此消费者大多选择前往超市选购。而目前超市的结账系统仅能通过扫描条形码识别商品,对于生鲜果蔬类商品只能先由超市工作人员称重、打包、张贴条形码,之后才可扫码结算,导致商家需要投入大量的人力物力资源,同时也给消费者带来诸多不便,因此如何实现果蔬自动识别是当前超市自助结账系统面临的一个亟待解决的问题。机器视觉的快速发展为解决果蔬类商品的自助结算提供了新的技术手段,但受计算资源和成本等条件的限制难以将现有的高性能卷积神经网络部署于自助结算系统。为解决这一问题,本研究基于Inception结构和残差思想改进经典神经网络Alex Net,提出了一种果蔬图像识别网络,命名为RI Net（Res-Inception Net）,并在自建果蔬数据集上进行测试,最后搭建硬件平台,对自助结算系统的功能进行实现。文章的主要工作如下:（1）确定系统网络拓扑结构。根据果蔬自助结算系统的功能需求,将自助结算系统分为上位机和终端两部分,上位机主要负责信息存储与管理,终端主要负责完成商品结算和销售信息的上传。（2）建立超市果蔬图像数据集。针对超市自助结算的实际应用场景,采集了不同光照条件下超市内较为常见的果蔬图像,使用图像滤波、分割、形态学处理等方式提取出目标图像,通过旋转、裁剪、翻转等方式扩充数据规模,建立了果蔬图像数据集。（3）果蔬识别算法的设计与改进。针对超市环境较为复杂、果蔬种类繁多、设备计算资源有限的情况,以Alex Net为骨干网络,研究Inception结构和残差网络的特点,引入不同尺度的卷积核,通过增加网络宽度和使用“捷径”连接方式,将低层次特征映射到深层网络,实现对Alex Net结构的改进,构建了轻量化的果蔬识别网络RI Net。（4）果蔬自助结算系统的实现。依据系统功能选取硬件设备并完成实验平台的搭建,在上位机实现了对超市运营信息的管理;在结算终端上实现了果蔬商品的识别及结算信息展示;最后在实验平台对系统进行了全面的功能测试,验证硬件系统和算法的可行性及可拓展性。