工业产品的包装上常含有产品编号、序列号、生产及截止日期等重要的喷码信息,而在产品包装的喷印过程中受到可能出现的机械故障、环境变化、运输磨损等不确定因素影响,喷码的喷印效果可能会出现变化。因此,产品包装在完成喷码的喷印后,需要对喷码进行检测才能保证喷码的正确可读。包装信息错误的产品将会对企业的生产效率、物流仓储、品牌形象等方面造成一系列不利影响。传统喷码检测方法使用人工方式辨别喷码质量的好坏,由于其在效率、失误率、人力成本等方面的劣势,并不适合应用在企业的大规模包装生产流水线上。现存的用于检测各式喷码的机器系统均基于工控PC电脑实现,其与满足同等运算能力需求的嵌入式ARM平台相比,在价格、体积、功耗、灵活性等方面存在着一定的局限性。因此,本文以实际工程为背景设计了一套基于Qt与Arm NN的嵌入式喷码检测系统,具体工作如下:(1)对试剂包装纸箱的生产、生产过程中存在的问题、喷码检测系统需求分析等内容进行了介绍。提出了嵌入式喷码检测系统的总体设计方案,包括了系统设计概述以及嵌入式软硬件平台搭建的具体内容。(2)设计了一种位置检测算法用于运动纸箱的位置检测。在对常用的区域定位算法进行了研究后,设计了一种喷码区域定位算法用于定位并提取本系统中的喷码区域,对算法提取出的条形码喷码子串进行了条码识别,对算法提取出的字符喷码子串进行了倾斜校正、字符分割及字符尺寸归一化。(3)对常用字符识别算法进行了研究,分析了卷积神经网络在图像识别领域相较于传统算法在特征提取、识别率方面所具有的优势,对经典卷积神经网络Lenet-5进行了适应性的微调后将其应用于喷码字符的识别。(4)对Arm NN sdk(Software Development Kit)进行了研究,构建并配置了Arm NN环境,并利用Arm NN将训练好的喷码字符识别模型引入到ARM端实现喷码字符识别。(5)系统硬件方面,完成了各硬件模块的组装调试、与生产线设备对接等工作。系统软件方面,完成了多线程结构设计、Qt界面设计、检测算法设计、代码编写调试等工作。系统总体实现后完成了系统功能测试和系统实时性测试,多型号产品测试下正检率均达到98%以上,完整的单次喷码检测耗时在1.8s以内,基本满足了生产中的需求。