本发明提出了一种基于多模型融合的水果识别方法，包括如下介绍：利用多模型融合方法进行模型训练，采用SSD进行模型训练，模型网络结构采用VGG16、ResNet以及VGG19相结合的方法，对于它们的训练结果不做输出处理，而是将它们输出的bounding box和目标类别的概率，以及区域重叠面积超过95％的bounding box目标认为是不同模型识别出的同一个物体。每一个模型的输出都是10维的概率向量，将实际得到的这三个向量进行拼接作为BP神经网络的输入。基于多模型识别的水果识别模型将多种模型识别技术进行整合，调整残差网络，解决了在过深的深度学习网络中无法进行有效传播梯度的问题。