随着我国社会与科技的全方面发展，人工智能在各个领域的应用也越来越广泛。蔬菜不仅可以为人类提供丰富的维生素、矿物质和其他营养物质，而且也是我国农业生产中重要组成部分，因为蔬菜产量巨大且种类繁多，所以在蔬菜的生产、加工、运输和销售等环节亟待采用自动化设备对其进行处理和识别。传统的图像识别技术包含反向传播算法、贝叶斯分类器等。然而，传统蔬菜图像识别的研究依然存在识别精度低的问题。例如，Ruud等人为了简化农产品的结账环节而提出了一种农产品自动识别系统Veggie Vision，该系统能够自动提取样本的多种特征，并利用这些特征进行种类预测。Shiv等人提出了一种蔬菜和水果的识别框架，该框架包含图像分割和特征提取。上述两种采用传统特征提取方法的模型主要以浅层次结构为主，并需要对图像进行人工预处理，这导致了图像识别准确率的降低。
近年来，传统蔬菜图像识别方法已经无法满足现代化产业发展需求。而基于卷积神经网络的蔬菜图像识别技术有着提取特征能力强、识别精度高以及实施性强等优点。Steinbrener等人使用改良的GoogLeNet对蔬菜进行分类。
