桃作为我国传统的水果,具有品种多、种植面积大的特点。近年来,国家对桃种质资源的保护、开发与利用愈加重视,许多研究机构争相建立桃种质资源库。但是桃种质资源收集工作以野外为主,存在识别桃品种依靠主观判断、工作强度大且易误判以及为提高准确率而依靠十分专业的园艺知识和贵重仪器等问题,导致桃种质资源库建设缓慢。为此急需研发一种智能识别桃品种的方法。本文所研究的桃品种识别技术,具有重要的理论意义和实用价值。本研究主要的工作如下:（1）构建桃品种数据集。由于目前尚无应用于桃品种识别的高质量、多品种的公开数据集。本研究首先在桃园实地采集不同时间段、不同光照条件、不同品种的单个桃果实图像,共采集了 18217张照片。然后对拍摄后的桃图像进行筛选,并依据数据集格式规范图像。最后对图像进行等比缩放归一化尺寸和随机组合翻转、缩放、平移、旋转、亮度、模糊等操作增强数据,构建了 56种共计19610张桃品种图像数据集。（2）构建轻量级桃图像分类网络。本研究采用ResNet18网络解决桃品种识别问题,虽然能达到识别精度的要求,但其参数量大、推理速度慢且难以移植到移动端。针对上述存在的问题,提出了基于改进ResNet18的桃品种识别方法。本研究在ResNet18网络的基础上,首先将头部的大卷积替换成Focus切片模块,提升了网络的推理速度;然后对残差块进行多尺度重构并分解大卷积、剥离降采样层和添加跨阶段局部融合,有效降低了模型参数量;最后添加SE注意力模块,提升了对桃的颜色和形状特征的提取能力。最终实验结果表明,本研究提出的改进ResNet18网络在解决构建的56种桃品种识别任务中,其Top-1准确率为94.4%,模型大小为14.35MB,与传统的SVM算法相比提升了 20%的精度,比VGG、MobileNetv3等主流网络提高了 1.2%、1%的准确率,与ResNet18相比损失了极小的精度换取了三倍的模型缩减。（3）设计实现了桃品种识别原型系统。本研究基于NCNN框架,将改进的ResNet18模型部署到Android手机端,实现了图像获取、图像识别和信息展示等主要功能。通过实际应用验证了方法的有效性和实用性。