在智慧物流领域中，智能卸垛机利用视觉传感器采集的信息来指导机械臂抓取托盘上堆叠的快递箱，精确的快递箱边界检测是决定机械臂抓取点性能的关键。快递箱的无序分布、快递标签与印刷图文对快递箱边界检测的精度造成不利的影响，针对此问题，提出一种基于深度视觉的快递箱边界检测方法。首先，基于深度图像计算快递箱的粗粒度边界，从而增强快递箱边界的检测能力，并提高对快递箱姿态的识别能力。然后，将粗粒度边界图与RGB图像的融合图像输入U-Net网络进行语义分割，U-Net网络使用水平集损失与交叉熵损失的混合损失函数进行训练，以提高快递箱边界检测的精度。实验结果表明，所提方法提高了快递箱边界检测的精度，检测误差可降至7mm以下。