目前超市和农贸市场都朝着智能化、无人化和便利化的方向发展,不仅可以减少超市和农贸市场的销售成本,还能提高销售效率。但是果蔬售卖却阻碍着超市和农贸市场的发展,在果蔬售卖专区依然需要工作人员识别商品类别,输入商品编号,称重及打印标签等。因此研究果蔬分类识别方法,设计能够自动识别果蔬种类的电子秤,具有重要意义。论文基于轻量级神经网络MobileNetV3-Small,提出了一种新的果蔬分类算法FVMobileNetV3S,并且通过权重量化对模型进行了压缩,最后基于树莓派4B设计出了果蔬分类电子秤系统。通用深度学习算法的模型非常大,很难在嵌入式系统运行或者运行速度慢占用资源大。本文基于轻量级的神经网络MobileNetV3-Small,以提升准确率和运行速度为目的,采用Dense Net密集连接算法,优化了主干提取网络结构;对SENet注意力机制进行了改进,提出了一种新的注意力机制GM-ECANet,使算法更具有鲁棒性;最终建立改进型的MobileNetV3-Small的果蔬分类算法,即FV-MobileNetV3S算法,并在果蔬数据集和标准数据集CIFAR-10上进行实验验证,证明了该算法的可行性。为使FV-MobileNetV3S算法在嵌入式平台上可靠运行,论文研究了模型压缩技术,通过对比分析,选择权重量化方法展开模型压缩,并在树莓派4B上实现。实验证明,FV-MobileNetV3S算法在模型压缩后的仍具有良好的识别效果。以树莓派4B开发板为硬件,Py Qt5和My SQL软件基础,设计出一套集识别分类和称重的果蔬分类电子秤系统,包括数据库管理和人机交互界面。运行测试结果表明,开发系统实现了预期功能,也验证了本文研究方法的正确性及可行性。