本发明提供了一种用于动态智能货柜的鲁棒性特征学习方法，包括步骤S1根据第一输出特征图M生成第一全局抑制掩码G；步骤S2、生成第二全局抑制掩码G'；步骤S3、获得全局抑制后的第二特征图M'；步骤S4、划分所述M为多个连续的小尺度局部特征图mi，在所述mi上生成局部抑制掩码Ki'；步骤S5、将所述Ki'均匀覆盖在所述mi上，用于完成对所述mi上显著特征的抑制，获得MK'；步骤S6、采用步骤S1‑S3实施的全局抑制操作和步骤S4‑S5的局部抑制操作，最终生成第三输出特征图M”。本发明能够动态调整显著特征的抑制强度，获得精确的鲁棒性特征学习表现，提高了动态智能货柜零售商品识别的可信度。