本发明设计一种基于卷积神经网络的工件识别方法。对工件进行精准识别的核心是对不同目标工件的类型和位置进行准确检测,为此设计了一种改进的卷积神经网络。在原有的YOLOv7卷积神经网络中增加特征分解计算模块,并去除卷积神经网络中的Elan模块,将其替换为Conv卷积层,在不降低识别精准度的同时减少计算负担；通过改进后的卷积神经网络,对四种不同种类进行单个摆放和堆叠摆放的工件进行识别实验；本发明可以对不同工件种类和不同位置摆放的工件实现精准识别,并且改进后的网络模型,其权重、参量和计算量明显减小,mPA提高了1.8％,减少计算处理负担,加快检测速度,提高模型对小目标和密集目标的检测能力。