当前社会,人口老龄化速度明显加快,提醒老人吃药逐渐成为了全社会都面临的一个难题。基于以上现状和目前市面上产品存在的不足,本文设计了一种基于ARM的新型智能药箱系统,智能药箱硬件平台作为实现提醒患者服药的主设备端,通过有线以太网通信与无线通信向远程平台传输数据,用户可通过互联网访问远程平台获取智能药箱的实时数据,实现了整个系统的端云一体化设计。本文选用了STM32F103ZET6作为智能药箱系统的主控制器,设计了硬件电路总体搭建方案和资源分配,该主控制器与LCD液晶显示模块、语音播报模块、取药检测模块、人脸识别模块、网络通信模块等外围电路进行连接并完善各模块必要外设的连接,完成整个智能药箱硬件电路的搭建。网络通信选用WIFI无线通信作为主要网络传输方式,实时将智能药箱记录的患者取药数据和时间数据实时上传至远程平台。本文选用阿里云平台作为智能药箱系统作为云服务器,患者家属或医护人员均可通过智能手机或电脑登录云平台,访问患者的服药时间与记录。在对整个系统的程序设计中,人脸识别模块结合了传统PCA人脸识别算法与BP神经网络对图像进行特征提取并训练完成人脸识别,通过PCA算法对图像数据进行降维后,实现减少BP神经网络输入层神经元数量,从而提高了训练速度和模型的预测准确率,实现准确识别人脸并打开药箱。取药称重模块通过分析PCA-BP模型和以L-M算法为基础的训练模型进行BP神经网络训练得到的非线性补偿效果的基础上,进一步通过修改L-M算法的阻尼因子μ,通过该算法的优化实现了比PCA-BP算法更好的非线性补偿效果,对于取药称重检测模块具有十分重要的意义。经过对系统进行反复调试与改进,各个模块均已正常运行。在功能实现方面,本智能药箱系统能够在设定的时间准时进行语音播报提醒患者取药和服药,经仿真验证PCA-BP算法的人脸识别率为92.07%,较传统的PCA算法识别率高2.5%左右,患者经过人脸识别能正常打开智能药箱,经优化后的L-M算法比PCA-BP算法训练速度更快,误差为6.2753×10-5,取药称重模块经非线性补偿后实现了精度的进一步提高,LCD显示屏能正确显示需要服药的品种与数量,取药时能正确检测患者取药的操作的对与否并进行语音提示,取药后会实时上传服药时间与数量,方便医护人员和亲人访问这些信息,总体达到了智能药箱的预期设计目标。