随着人工智能的发展,人工智能已经走进人们的日常生活之中。饮食是人类日常生活中不可或缺的部分,所以许多与饮食相关的人工智能研究领域变得十分热门,其中食物识别领域是目前备受关注的一个研究领域。食物识别是进行其它食物相关研究的基础,目前大多数食物识别技术所针对的是西餐与日式料理,本论文使用的食物识别技术是一种基于中餐的菜品种类识别。自深度学习被提出以来,它就在图像识别、目标检测、自然语言处理等多个领域取得巨大的成就。本论文使用深度学习方法,通过使用深度卷积神经网络模型,实现中餐菜品检测以及中餐菜品种类识别。本论文使用深度卷积神经网络模型对中餐菜品图像进行菜品位置检测,根据检测结果对图像进行切割,只保留包含中餐菜品部分的图像。使用选择性集成方法将多个深度卷积神经网络模型进行集成,通过该集成模型对切割后的图像进行中餐菜品种类识别,实现了快速、准确、稳定地对中餐菜品种类进行识别。本文使用菜品检测技术以及集成卷积神经网络模型方法来进行中餐菜品识别,将目前优秀的深度卷积神经网络模型应用于中餐菜品识别任务。在进行中餐菜品检测任务时,所建立的中餐菜品检测数据库是本论文的工作之一。使用中餐菜品检测,并且使用选择性集成方法构建集成模型用于中餐菜品识别任务,是本论文的另一工作。将中餐菜品检测模型与使用选择性集成方法构建的集成模型相结合,在VIREO Food-172数据库上进行了实验,取得了令人满意的识别准确率。