本课题以西安科技大学自动物流系统为平台,设计并制作了基于数字图像条码识别技术的货物分拣系统。针对传统条码识别器受读取距离和条码形变等因素影响较大的缺点，提出一种基于决策树和AdaBoost算法融合的图像条码识别方法。通过Matlab对算法进行仿真验证，进而在ARM Cortex M3上实现了对条码图像的采集、处理和识别。实验证明，该算法在容错性、响应速度和对条码识别的通用性都有很大提升。针对现有的物流系统在运行过程中不能自动分拣货物，设计了一种基于数字图像条码识别技术的货物分拣系统，该系统能根据来货的条码为货物分配库位，并记录入库货物的数量，借助短信可以全天候向仓库管理人员反馈仓库货物存储信息。分拣系统的加入，极大方便了仓库管理和运营。本论文介绍和分析了本校的自动物流系统的各个结构模块，介绍了物流系统的运行原理，进而阐述了加入自动分拣系统的必要性。接着分析了自动分检系统的可行性，提出了实现该分检系统的软件和硬件可行方案。本课题以Code39码为例，分析了该条码的编码结构，根据其特点建立了特征向量空间。提出了基于改进AdaBoost算法的条码识别方法，并将其应用于货物智能分拣系统中。通过Matlab对改进后的AdaBoost算法对条码的识别效果进行了验证。在验证基于改进AdaBoost算法的货物分拣方法的可行性后，将其移植入以ARMCortex M3为核心的硬件平台中，并运用uC/OSII实时操作系统调度各个功能模块的动作，通过调试和实验检验了算法的效果。为了能够让自动分拣系统全天候向用户反馈仓库信息，分检系统加入了短信收发模块，并定义了相关的通信协议帧，使得用户能在任何有手机信号覆盖的地方查询库存。经过大量的实验和测试，该系统能够准确识别和分拣货物并能记录每种货物的库存。同时可以响应任意一种手机的短信查询命令，并向用户返回当前库存的准确信息，为仓库的管理和决策提供保障。