中国快递行业的飞速发展,带来了快递时长的激烈竞争。物流包装信息的提取作为快递运营过程中的关键环节,其效率和精准度将影响快递企业的分拣成本、运营效率、服务水平以及企业的市场竞争力和未来几年发展。为了有效解在中转中心地提取物流快递包裹的信息,采用系统思维和新颖的算法对物流包装信息进行处理,同时运用视觉技术中的深度学习来定位和识别物流包装信息,以利于物流分拣工作中降低重复工作的疲劳,增加快递分拣的效率。为了更好的实现智能物流中的全自动化,首先对快递包裹的不同包装类型对分拣时的影响进行分析后,通过相关软件的调整实验,完成对倾斜的信息码进行矫后完成识读,其实用可靠性达到97.5%。获得物流快递单号信息,达到在分拣后使同一目的地的同一种类快递可以进行堆叠,减少快递占用空间,使同种类包装快递的商品得到更好的保护的目的。其次针对分拣中视觉技术中的深度学习概念进行概述,运用传统的深度学习方法对快递包裹相关数据集的进行采集并处理,通过学习后运用其进行分类定位的实验,平均精度值达到71.06%,发现无法对小目标进行很好的处理。达到可以实现快递包裹相关信息的分类及定位,为后续分拣中快递包裹的定位提供包装的目的。较于传统的视觉技术中的深度学习不能很好的识别定位小目标,在传统算法的基础上,针对对象特点,引入新的深度学习算法并进行了优化。通过引入形成新的4尺度检测整体结构,实现对小目标快递包裹的检测。通过引入多尺度特征融合结构来进行特征增强。通过引入GIOU损失函数代来进行边框回归,实现定位精度的提高。最后,进行数据集的收集与处理,得到优化后算法的平均精度值为94.12%。通过实验结果表明,与传统检测算法相比有较大优势,同时检测速率上满足实时性要求,有一定的实用性与有效性。最后,设计了物流快递包裹信息提取系统,该系统涵括了物流外包装定位识别与分类功能、快递外包装中条形码和二维码的定位、识别和解码功能、快递单号输出功能和物流外包装分类输出功能并且能从输入的快递图像中精确地提取价值信息内容。系统实验表明,该系统能有效对物流快递包裹信息进行定位及提取,且该系统可广泛地应用于物品类别分类等领域。