蔬菜水果是人类日常生活必不可少的重要营养来源,无人超市中应用蔬菜水果自动结账系统会大大减轻收银员的压力,并且也会提高消费者的购物体验。为了实现智能化的蔬菜水果结账系统,其中一个核心技术就是对蔬菜水果进行自动化目标检测。由于超市中的蔬菜水果种类繁多且形态各异,所以对它们进行自动检测非常具有挑战。同时,为了方便人们在无人超市中使用手机就能检测蔬菜水果,面向移动端的蔬菜水果目标检测算法的研究变得非常迫切。为了解决这个难点问题,本文提出一种基于深度学习的移动端轻量级目标检测算法。主要的研究内容分为以下三个方面:(1)针对当前目标检测领域还没有专门蔬菜水果的数据集,我们首先花大量精力构建了一个大规模蔬菜水果数据集,并对每个出现目标的位置进行了细致标注,为深度学习算法的研究奠定了数据基础;(2)提出一个融合蔬菜水果目标的高层语义信息和底层细节信息的深度神经网络,该网络中我们引入一种双路密度层的网络结构,提高了模型的识别能力;(3)为了克服目标检测算法数据集类间训练样本不均衡所带来的问题,我们采用了数据扩增和迁移学习的方式,从而减轻模型的过拟合问题并提高模型的泛化能力。基于本文提出的算法,我们搭建了一个移动端蔬菜水果目标检测系统。我们对系统的功能和性能进行了大量测试,并且在多个不同的手机上移植了所提出的蔬菜水果目标检测算法。大量的实验结果表明,我们所提出算法在识别准确率与识别速度方面都取得了不错的效果。