本研究开发了一种基于深度学习的智能零售柜商品识别系统采用YOLOv11算法作为核心识别技术。系统通过高效的数据预处理、模型训练和优化流程实现了对商品的高精度、实时识别。YOLOv11算法的引入显著提升了识别速度和准确性满足了智能零售柜在复杂环境下的应用需求。系统还具备历史识别记录查询功能为商品管理和数据分析提供了有力支持。此外 系统在实际部署中展现了良好的稳定性和可扩展性有效提升了用户体验和零售柜的管理效率。本研究不仅验证了深度学习技术在智能零售领域的可行性也为零售行业的智能化升级提供了新的解决方案。未来系统将继续优化和拓展以应对更复杂的场景和需求推动智能零售行业的发展。系统的工作流程包括图像输入、预处理、模型检测、结果输出和反馈更新五个步骤。首先摄像头捕捉到的商品图像被输入到系统中接着系统对图像进行预处理去噪、标准化等然后YOLOv11模型对预处理后的图像进行检测识别出商品类别和位置最后系统输出识别结果并根据反馈信息进行模型更新和优化。该系统可广泛应用于各种智能零售柜场景无人便利店、自动售货机等。通过精准的商品识别和库存管理系统有助于提升零售柜的运营效率降低人力成本同时为消费者带来更加智能、便捷的购物体验。图3-1所示。管理员通过登录进入管理系统首页可以查看到商品和认证与授权模块在商品模块可以对现有的商品名称和商品价格进行新增和删除的操作在该模块可以通过搜索商品名称和商品价格来对商品进行详细的搜索操作。图5-4所示