随着互联网的快速发展,电子商务迅速崛起,在电子商务中提供便捷服务成为了研究热点。与此同时,基于深度学习的图像识别技术凭借准确率高、可扩展性强的特点迅速成为人工智能领域新的研究及应用热点。将基于深度学习的图像识别技术与实际的电子商务产品进行结合,分析目前电商产品市场应用需求,将大量的电商产品的包装盒正面图片作为数据集,利用深度学习的卷积神经网络算法进行图像特征挖掘,最终实现在线图像识别任务。例如本研究中以药品领域作为测试领域,首先,将大量的药品包装盒正面图片进行数据清洗、数据抽取以及数据扩展,构建药品图像的原始数据集;其次,利用深度学习的卷积神经网络算法对药品图像的原始数据集进行图像特征抽取,构建深度学习训练模型;最后,利用训练好的深度学习模型对待识别的药品图像进行特征抽取和概率计算,进而判别出图像对应的药品名称并检索到对应药品进行推送展示。该系统将为老年人或对某种药品不熟悉的客户群体提供极大的便利,将有利于电商产品的推广使用并提升用户满意度。为了实现针对电商产品的图像识别及检索展示,本文从两方面研究和实现了该系统:第一,以深度学习中的卷积神经网络为原型,利用深度学习平台Caffe对本文的药品数据集进行大量的模型训练,将模型组合应用为三种图像识别模式:不区分大类识别、区分大类识别以及BLOCK块分组识别。三种模式分别适应数据集类别由少及多的情况,创新性的满足大部分药品的识别任务,并具有较好的准确率及应用性。第二,利用上述三种模型,通过构建的图像数据集、药品文字数据集,并且采用 ReactJs+AntDesign+Rest+Spring+ibatis 架构,搭建在线的基于深度学习的药品图像的识别及检索展示的Web系统。通过在线仿真系统,直观的展示基于深度学习的图像识别技术与电商产品结合的可操作性以及对电商发展的帮助促进作用。当然,基于深度学习的图像识别技术目前正处于起步及发展阶段,本文也针对所做工作的成果及不足进行了总结,并且对未来的工作进行了进一步的思考与展望。