我国是果蔬进出口大国,由于世界各国的地理位置和气候的不同,各国之间的果蔬种类差异化非常明显,果蔬差异会影响我国的果蔬进出口交易;此外,超市中果蔬的零售过程仍然采取人工称重的方式,浪费人力并且效率低下,严重影响顾客的购物体验。针对这些情况,本文提出了一种基于Mask Scoring R-CNN的果蔬检测与识别算法,能够实现果蔬检测、识别与分割等任务,该算法未来不仅可以用于移动端进行果蔬检测与科普,还可以实现果蔬的智能称量。本文的研究内容和贡献如下:（1）本文构建了一个包含多种日常水果蔬菜的果蔬图像数据集,并且命名为Veg F,适用于果蔬检测、识别与分割等任务。Veg F总共包含了36000张果蔬图像,总共36种果蔬类别,其中水果24类,蔬菜12类,不仅包含了每种类别的单个目标图像,还有同类别的多目标图像以及多类别的混合图像,充分考虑了目标检测与识别中可能会出现的情况。目前国内外并没有适用于果蔬检测与识别的果蔬图像数据集,Veg F数据集的出现,有助于日后果蔬检测与识别算法的研究。（2）针对特征金字塔网络存在的问题,本文采用Aug FPN结构,缩小特征之间的语义差异,使其更适合后续的特征融合,并利用残差增强的方式减少特征在金字塔最高层通道中的信息损失。实验结果表明,在COCO 2017数据集中,Aug FPN能够使Mask Scoring R-CNN的AP_bbox提高1.6个百分点,AP_mask提高1.3个百分点;在果蔬数据集中,AP_bbox提高了1.4个百分点,AP_mask提高了0.7个百分点。（3）本文在Mask Scoring R-CNN的基础上,提出了MS-Io U R-CNN结构,该结构引入了box Io U分支,以在预测框和相应的真实框之间预测Io U;其次,由于RPN生成的训练样本数量不足且Io U分布不平衡,本文在每个边界框中添加可控制的抖动,以获取足够多的Io U分布均衡的训练样本;此外,本文采用预测Io U和分类置信度的乘积作为非极大值抑制算法的边界框排名依据,从而保留定位更准确的边界框,实现更精确的目标定位。实验证明,在COCO 2017数据集中,MS-Io U R-CNN模型与MS R-CNN模型相比,AP_bbox提高了1.2个百分点,AP_mask提高了0.8个百分点;在果蔬数据集中,AP_bbox提高了1.9个百分点,AP_mask提高了1.5个百分点。（4）本文采用轻量卷积神经网络的思路,提出了DSC-MS R-CNN和SGS-MS R-CNN两种压缩模型。与本文提出的MS-Io U R-CNN+Aug FPN模型相比,DSC-MS R-CNN模型的运行时间减少78ms,占用内存下降417MB;SGS-MS R-CNN模型的运行时间减少92ms,占用内存下降545MB。本文的压缩模型比原有模型节省了至少54.0%的内存空间,使本文的果蔬检测与识别算法具有更高的实用价值。