我国是一个水果生产大国,同时面临着产后技术与高产量的现状不相符的事实,而如今在大数据和快速发展的计算机技术的驱动下,深度学习方法迅速发展,并在目标检测领域有着很好的实践,如果将深度学习的方法运用在水果的目标检测中,那对于实现果实的自动采摘,果实的品质检测,以及产量的预估都有着重大的作用和生产实践意义。卷积神经网络是深度学习方法之一,被广泛地应用于图像识别技术中,本文从深度卷积神经网络的研究着手,按照Pascal VOC的格式进行了人工标记并制作了杏、青橙的数据集用于训练及测试,首先选用了典型的深度卷积网络ZF网络进行了分类训练,分析其对于水果特征的提取效果及最终的识别精度是否满足检测要求。在这一基础上,引入了基于区域的深度卷积网络方法,其核心是通过卷积共享将目标区域的提取及目标的分类都交给卷积网络处理。并选用了两种特征提取网络(ZF网络、VGG网络)搭建了区域卷积网络,完成了杏果实以及更不易识别的青橙果实的目标检测,并取得了良好的检测效果,同时根据测试结果调整网络的训练参数。最后实现了检测结果的可视化,并完成了水果检测系统的GUI设计。