网络购物时代的来临,使得物流运输业变得日益重要,日常小件货物的分拣、存放、运输等问题也越来越突出,其中必然会涉及物体的重量和尺寸信息。尺寸信息也就是物体的体积。如何智能化、自动化地获取物体的体积信息是亟待解决的问题。而已有的视觉测量技术,大多需要人工进行物体的定位检测、识别以及角点、边缘线等的提取,考虑到近年来深度学习理论在物体识别等方面的成功应用,本文以此为研究背景,系统探讨了在深度学习框架下利用单目视觉理论进行物体体积的测量问题,取得的研究成果如下:1、结合深度学习和单目视觉测量理论,本文提出了一种自动化视觉测量的算法,可以同时对图像中的多个规则物体进行体积测量。首先利用深度学习中的Mask R-CNN模型进行多个物体的自动分割,并提取出物体待测平面的边缘线和角点,然后根据平面参照物确定相机内、外参数,并通过待测平面与参考平面的垂直性质进行坐标系转换,计算出垂直平面上的单应矩阵,最后对物体上的关键角点进行相应的反投影,来获取物体的长、宽、高与体积等三维测量信息。通过模拟实验以及多次的真实实验得到了平均相对误差低于3.5%的测量结果。本文的测量精度基本可以满足一般的生活应用程度。2、搭建了一个智能体积测量演示系统,该系统主要包括四个模块:图片的选择模块、针对图像中目标物体的检测与分割模块、提取关键角点和边缘线模块、物体的三维信息测量以及体积计算模块,能够实现对于一般实际环境中多个物体（盒子）的三维信息的自动化测量,对环境影响有一定抗干扰性,易应用于现实生活中。