本发明涉及一种基于剪枝轻量化模型的包裹识别方法和系统，属于图像识别技术领域，解决了现有神经网络模型运算复杂度高、时间和内存消耗大以及难以在终端设备上部署的问题。包括将训练图片输入待剪枝神经网络模型，提取各卷积层的特征图矩阵；将特征图矩阵转换为带权无向图，构建改进后的拉普拉斯矩阵，计算出冯·诺依曼图熵作为原始值；依次删除带权无向图中单个顶点得到新的带权无向图，计算新的带权无向图的冯·诺依曼图熵相对于原始值的变化值；根据冯·诺依曼图熵的变化值计算通道的重要性，对通道进行剪枝得到剪枝轻量化模型；将剪枝轻量化模型部署至包裹识别终端设备，识别实时采集的图片。实现了模型的高剪枝率，提升了实时包裹识别效率。