今年是我国全面建成小康社会、实现第一个百年奋斗目标之年。小康社会的建成,人民富裕程度普遍提高、生活质量明显改善,人民群众过上幸福美好的生活。但是,营养不良或营养过剩却普遍存在,如何从饮食中获取均衡的营养,保持身体健康,成为了广大人民群众的共同追求。为此,我们运用多目标粒子群和深度学习技术,对农产品营养分析与个性化智能推荐算法进行研究,具体十分重要的意义和应用价值。首先,对人体营养需求推荐方法的国内外研究现状及其存在的不足进行分析;根据农产品营养成份和人体营养多目标需求的特点,对各类农产品的营养结构和人体营养多目标需求特征进行分析,运用多目标优化理论构建人体营养需求的能量、蛋白质函数和多目标特征优化模型,包含了人体所需各类营养素的平衡目标函数。如何确保在满足用户的个性化选择、农产品种类多样化、人体所需各类营养素保持平衡的基础上,用户从农产品中总体的营养摄入量达到最优,是本文重点解决的问题。为解决此类问题,在多目标营养需求优化模型基础上,结合多目标粒子群算法,构建了基于粒子群的人体营养需求多目标优化算法,设置惯性因子和邻域定义,提高算法的精度和效率,同时,通过更优的速度和位置更新公式,提高全局搜索能力和局部收敛速度。其次,为了实现人体营养需求多目标个性化智能推荐,引入卷积神经网络,通过大量订单的输入和自我学习,能更好的学习用户营养需求与农产品营养匹配的个性化偏好,建立基于深度学习的农产品个性化智能推荐算法。最后,将算法应用到多个原生态农产品订产平台,经过实际应用,算法能够实现智能化的推荐,并有效提升产品推荐中营养平衡的准确率。