近年来,基于深度卷积神经网络的目标检测算法与嵌入式平台相结合的技术已经在诸多领域得到广泛应用。但在如今的国内教育领域,目标检测与嵌入式平台相结合的应用基本局限于考场的人脸识别系统,在基层的教学工作中并未得到更有深度的应用。本论文对初中物理电路实验教学工作进行调研,开发出以YOLOv3-Tiny目标检测算法为理论基础、以嵌入式RK3399Pro为应用平台的软件系统,该系统可以代替老师或学生完成电路实验前器材检测环节,大幅提高整体实验效率。具体工作如下:（1）对比目前的主流目标检测算法,阐述检测原理并分析其在实际检测中的优劣,同时介绍了几种常见的模型压缩方法。（2）详细分析YOLOv3-Tiny算法的检测过程和检测效果,在算法最大池化层中采用重叠最大池化策略,有效减少特征损失量。同时,采用多特征融合方式对算法浅层Conv层的输出特征加以利用,并以此在算法预测网络中新增第三尺度预测特征图,提升小型电路实验器材的检测效果。最后采用改进距离公式的Kmeans聚类算法对自制电路实验器材数据集进行最佳Anchor聚类,优化算法参数。在挂载RK3399Pro的服务器GPU（图形处理器）环境下测试得出,改进后的OP（Overlapping pooling）YOLOv3-Tiny算法在检测精度和速度方面基本达到预期效果。（3）分析算法模型架构转换的必要性以及介绍架构转换工具RKNN-Toolkit的具体使用方式。针对RK3399Pro运行内存过小、计算资源极为有限而导致模型在嵌入式平台上的实际检测帧率大幅下降的问题,提出混合非对称定点量化方案,对OPYOLOv3-Tiny算法模型文件进行量化压缩,在保证模型精度的情况下将模型大小压缩68.8%。（4）基于混合非对称定点量化模型,在嵌入式平台RK3399Pro的Android8.1系统下开发出可以自动运行并实时检测的电路实验器材检测软件系统。在该软件系统的模型推理模块中,通过RKNN-API函数实现对底层NPU（神经网络处理器）的调用,获得NPU对模型推理的加速效果,从而实现电路实验器材的实时检测。本论文设计立足于嵌入式平台的电路实验器材检测系统研究,权衡精度与速度,最终实现了低成本、高实时性的目标检测系统,为目标检测技术在初中物理电路实验教学中的应用奠定坚实基础。