由于购物的便利性,超市逐渐成为人们日常购物的首要选择。为了进一步提升超市的管理水平,同时为消费者提供良好的购物体验,需要进一步提升超市的智能化管理水平。但是,现有的商品信息管理软件获取商品信息的方法存在一些不足,人工成本较高,不能及时更新产品信息等。因此,研究一种货架商品自动识别的图像识别方法,对于提升超市商品管理效率具有重要意义。智能货架图像识别方法主要分三步,第一步:利用树莓派对货架商品图像进行采集;第二步:对采集的商品图像进行图像预处理和特征提取。实验过程中,对商品图像的形状特征,颜色特征进行提取,同时采用主成分分析法(PCA)和线性判别分析法(LDA)对提取到的图像特征进行降维处理,以便于图像的识别。第三步:采用图像识别方法对样本图像进行识别。首先采用平均距离法和纠错SVM方法分别作为一次分类方法对商品图像进行识别,为了提升一次分类图像识别方法的准确率,类比人脸识别,设计了一种二次分类图像识别方法,将卷积神经网络算法分别和一次分类图像识别方法组合,同时进行仿真实验来验证该二次分类图像识别方法的有效性。经过验证,该二次分类图像识别方法,提升了对商品图像识别的准确率。将该二次分类图像识别方法,应用到智能货架的图像识别过程中,图像识别的正确率达到了90%以上,验证了二次分类图像识别方法的有效性。