在科学技术高速发展的今天,智能机器人的应用越来越广泛。而机器视觉是智能机器人的重要组成部分。随着数字在我们的生活中扮演着日渐重要的角色,数字识别成为机器视觉的一个重要领域。现在大多是数字识别系统都是基于PC-Windos系统,但是由于移动机器人本身的低功耗、低成本以及软硬件资源限制,基于PC-Windos系统的数字识别系统并不适用于移动机器人,因此需要开发一款基于嵌入式平台的数字识别系统。由于嵌入式平台的资源有限,因此对图像采集、图像预处理、数字识别算法选取以及工作环境更加严格。本论文首先提出了一种适合移动机器人的基于嵌入式Linux的数字识别算法--改进型人工蜂群-BP混合神经网络(Improved Adaptiveartificial bee colony algorithm-BP,以下简称IABC-BP)。首先改进人工蜂群算法,并将改进后的算法用来提高传统BP神经网络的收敛速度和精度,从而提高数字识别系统的训练速度与识别率。然后用MATLAB工具对IABC-BP进行了测试和验证,结果表明IABC-BP在收敛速度和精度上相比其他算法都有提高。最后,用ARM11为基础平台,完成了Open CV视觉库和QT图形用户界面开发工具的安装与移植,在嵌入式开发板上实现了数字识别系统的调试和运行,包括了图像采集、图像预处理、特征提取、数字识别以及人机交互界面等。测试表明,该数字识别系统具有较强的实时性和较好的识别率,对嵌入式平台的数字识别系统开发有一定的实用价值。同时,该数字识别系统也可以应用在其他便携式或小型化数字识别系统中。