本发明涉及计算机视觉技术领域，具体涉及一种基于轻量化深度神经网络的建造物料视觉盘存方法，包括：采集建筑物物料数据集，通过人工结合半自动标注对钢筋数据集进行标注，并将钢筋数据集划分为训练集与测试集；基于Improved ShufflNet v2设计轻量化神经网络模型；利用构建的训练集对轻量化神经网络模型进行训练，并用测试集对轻量化神经网络模型性能进行初步测试；对训练后的轻量化神经网络模型基于BN层进行通道剪枝，简化轻量化神经网络模型，并再次用测试集测试剪枝后的轻量化神经网络模型性能；利用训练后并剪枝的轻量化神经网络模型对钢筋图像进行检测，得到钢筋数量。本发明使得模型精简，降低对处理器计算能力要求，使其可在移动端部署。