基于图像的物体认知系统蕴含了人类智能中的“示教、学习、识别”基本过程。人脸识别、工业产品的缺陷检测等都可以抽象为物体认知。嵌入式物体认知系统是嵌入式人工智能的重要分支,是人工智能实际应用的主要侧面之一。目前,嵌入式人工智能的发展处于初期阶段,算法轻量化、资源高效利用、硬件构件设计、终端部署方法等技术问题有待深入研究。本文设计开发了一套基于图像处理的嵌入式低资源物体认知系统,对人工智能落地进行了一些初步探索,主要工作如下:（1）提出了一种以PC机为样本训练工具,在嵌入式终端进行推理认知的物体认知系统模型框架。在PC机上使用基于MobileNet V2网络结构的算法模型进行样本训练,生成通用嵌入式参数配置构件并部署在终端;在嵌入式终端提取图像特征并利用算法推导函数与算法模型参数进行物体认知。该框架提供人工智能算法部署在嵌入式端的一种普适性方法,符合大部分应用场景。（2）提出嵌入式终端资源综合优化算法。在图像特征提取方面设计基于端口映射IO的采集加速算法与图像特征增强算法;算法在终端的资源配置方面提出基于类RAM的扩展资源网络传播算法与融合滚动卷积算法;在网络结构方面采用深度可分离卷积结构,减少物体认知算法在嵌入式环境下的资源占用,降低终端资源部署门槛。（3）设计并实现程序自适应的物体认知系统开发平台。平台以物体认知模型框架为基础,以通用嵌入式计算机架构为支撑,可将认知模型参数转换为通用嵌入式工程构件,简化嵌入式人工智能中图像分类算法的应用过程。系统仅需简单操作便可实现在终端进行物体认知,降低嵌入式人工智能的开发门槛。本文提出的基于图像处理的嵌入式物体认知系统为嵌入式人工智能提供一种有效的模式,降低了人工智能算法的嵌入式终端部署资源门槛,在一定程度促进了嵌入式人工智能的落地。