目前,在线产品质量检测主要有人工检测和基于PC的仪器设备检测两种方式。人工检测不仅效率低下,也会因为人为因素的影响影响准确率,后者也存在体积大、成本高、硬件升级周期长等不足。随着半导体和嵌入式技术的发展与进步,嵌入式芯片已经集成了足够的系统资源,处理速度也更加迅速,能满足复杂系统的设计需求。为此,本文设计了一套基于嵌入式的在线产品质量智能检测系统。本课题采用基于ZYNQ为核心的Miz 702N作为检测系统的硬件开发平台,根据设计需求将系统整体功能划分为硬件系统设计开发、嵌入式系统移植和驱动设计与软件系统设计开发三个部分。在硬件系统设计开发部分,对系统硬件功能进行了模块化设计,分别对基于USB和OV5640的图像采集模块、HDMI显示模块和图像处理IP模块进行开发。在驱动设计和系统移植部分,通过移植嵌入式Linux操作系统,设计了底层硬件设备的驱动程序,方便软件系统设计开发部分调用底层硬件。在软件系统设计开发部分,设计并实现了基于BOW+SVM模型的饮料瓶的缺陷检测算法和条形码、二维码识别检测算法,并基于QT5设计了图形化操作界面,将所有功能模块集成。经实际测试,经过FPGA硬件IP加速后的图像算法处理速度提升很大。基于BOW+SVM模型饮的缺陷分类系统对被测产品在角度变化、光强变化和距离变化有很好的鲁棒性,平均识别准确率能达到90%以上。在成像清晰的情况下条形码检测的平均准确率可以达到99.25%,识别平均时间约为40ms;二维码的准确率能达到99.1%,识别平均时间约为60ms。