当前图像识别系统应用的领域越来越广泛,从工业智能监控一直到汽车无人驾驶乃至太空探索都应用到了图像识别系统。卷积神经网络是将人工神经网络与深度学习技术相结合而产生的一个新型人工神经网络分支方法，具有局部感知区域、层次化结构、特征提取和分类过程相结合的全局训练等特点，在图像识别领域获得了广泛的应用。进化计算，人工神经网络和人工免疫系统在学习方面存在一些共性，但是又有各自的特点。免疫系统的适应、学习和记忆能力不仅适用于优化领域，也适合开发用于机器学习的人工免疫系统，虽然现在已经出现了很多学习算法和理论，但没有一种是完善和万能的，目前只能互补。本文通过对国内外有关卷积神经网络，人工免疫系统，嵌入式图像处理系统和GPU加速并行计算的发展现状和研究成果进行整理和总结。并且对人工免疫网络和卷积神经网络的算法和结构进行详细阐述，通过人工免疫系统与卷积神经网络结合，提出了一种新的图像识别算法，免疫卷积神经网络算法，最后通过采用NVIDIA公司GPU加速并行计算，提高识别速度，满足当前嵌入式设备实时性需求，并且搭建嵌入式图像实时识别系统。本文主要研究内容包括以下几个方面：1.对卷积神经网络的网络结构以及参数进行分析，针对卷积神经网络网络结构复杂，训练耗时长，容易出现过拟合并且误分类高等缺点，本文基于人工免疫算法在模式识别的优点用于改进卷积神经网络算法，提出了一种免疫卷积神经网络算法，该算法综合了网络节点的定位与参数的调整以及能够动态调节基函数的平滑因子。2.采用NVIDIA公司最新推出的cuDNN深度神经网络库，用来加速机器学习，使得该免疫卷积神经网络模型可以用到对实时性要求很高的嵌入式平台。3.完成多功能图像识别系统ARM+linux平台的搭建，包括linux操作系统的裁剪、各硬件模块的驱动部分的编写、以及传感器信号的预处理，实现免疫卷积神经网络并行优化算法在嵌入式图像识别的应用研究。