diff --git a/README.md b/README.md
index ecc46afaa652bd69db4893ac0561ac0f37b5777b..9d39322cd0609afea6a258a1fdce33b8ed4c8828 100644
--- a/README.md
+++ b/README.md
@@ -84,7 +84,8 @@ Lockzhiner Vision Module 拥有丰富的 IO 接口，其接口图片如下图所
 ## 👍 特色部署教程
 
 * [凌智视觉模块手写数字识别部署指南](./example/special/digit_handwritten_recognition)
-* [凌智视觉模块二维码识别与检测部署指南](./example/special/qr_code_recognition)
+* [凌智视觉模块二维码检测与识别部署指南](./example/special/qr_code_recognition)
+* [凌智视觉模块条码检测与识别部署指南](./example/special/bar_code_recognition)
 <!-- * [人脸佩戴口罩检测部署指南(支持中)]() -->
 
 ## 🐛 Bug反馈
diff --git a/configs/LZ-Picodet_fp32.yaml b/configs/LZ-Picodet_fp32.yaml
new file mode 100644
index 0000000000000000000000000000000000000000..acfacce907dec33da69d9808f75868c83976727f
--- /dev/null
+++ b/configs/LZ-Picodet_fp32.yaml
@@ -0,0 +1,32 @@
+config:
+  mean:
+    - 0.406
+    - 0.456
+    - 0.485
+  std:
+    - 0.225
+    - 0.224
+    - 0.229
+
+load_onnx:
+  inputs:
+    - image
+  input_size_list:
+    -
+      - 1
+      - 3
+      - 320
+      - 320
+  outputs:
+    - sigmoid_0.tmp_0
+    - split_0.tmp_1
+    - sigmoid_1.tmp_0
+    - split_1.tmp_1
+    - sigmoid_2.tmp_0
+    - split_2.tmp_1
+    - sigmoid_3.tmp_0
+    - split_3.tmp_1
+
+build:
+  do_quantization: True
+  dataset: ./dataset.txt
\ No newline at end of file
diff --git a/docs/introductory_tutorial/burn_image.md b/docs/introductory_tutorial/burn_image.md
index 5d732119b7240dc2778787dded8c5312217a545a..74b5bc8821ee8e3563f8e011f922624b751a8168 100644
--- a/docs/introductory_tutorial/burn_image.md
+++ b/docs/introductory_tutorial/burn_image.md
@@ -36,7 +36,8 @@
 在开始烧录前，我们需要做一些前期的准备:
 
 * 请准备一张 **64G 容量以下**的 SD 卡，这里我们选用的是 16G 的 SD 卡。请将 SD 卡插入读卡器并正确连接电脑。
-* 请正确下载 Lockzhiner Vision Module 的镜像软件包到你喜欢的位置。
+* 前往 [凌智视觉模块镜像下载地址](https://pan.baidu.com/s/1w28TRzvEVvRURuisywnNZg) 下载镜像，提取码为 772f 
+* 前往 [凌智视觉模块烧录软件下载地址](https://pan.baidu.com/s/1EdzzDu8Yn62GBFaZYe_T3A) 下载烧录软件，提取码为 hk9v
 
 ## 3 开始烧录
 
diff --git a/example/special/bar_code_recognition/README.md b/example/special/bar_code_recognition/README.md
new file mode 100644
index 0000000000000000000000000000000000000000..bc9c834342ba2988ea468b2bacaef02a9147ef80
--- /dev/null
+++ b/example/special/bar_code_recognition/README.md
@@ -0,0 +1,46 @@
+<h1 align="center">凌智视觉模块条码检测与识别部署指南</h1>
+
+发布版本：V0.0.0
+
+日期：2024-09-27
+
+文件密级：□绝密 □秘密 □内部资料 ■公开  
+
+---
+
+**免责声明**  
+
+本文档按**现状**提供，福州凌睿智捷电子有限公司（以下简称**本公司**）不对本文档中的任何陈述、信息和内容的准确性、可靠性、完整性、适销性、适用性及非侵权性提供任何明示或暗示的声明或保证。本文档仅作为使用指导的参考。  
+
+由于产品版本升级或其他原因，本文档可能在未经任何通知的情况下不定期更新或修改。  
+
+**读者对象**  
+
+本教程适用于以下工程师：  
+
+- 技术支持工程师  
+- 软件开发工程师  
+
+**修订记录**  
+
+| **日期**   | **版本** | **作者** | **修改说明** |
+| :--------- | -------- | -------- | ------------ |
+| 2024/09/27 | 0.0.0    | 郑必城     | 初始版本     |
+
+## 1 简介
+
+条码（Bar Code）是一种二维条形码，因其高效的编码和解码能力而得名。条码识别是视觉模块经常使用到的功能之一，经常用于识别超市的货物信息。本章节中，我们将教会你如何使用 Lockzhiner Vision Module 进行条码识别。
+
+## 2 在凌智视觉模块上部署条码识别案例
+
+下载模型后，请参考以下教程使用 Python 在凌智视觉模块上部署分类模型例程：
+
+- [凌智视觉模块条码识别 Python 部署指南](./python)
+
+## 4 模型性能指标
+
+以下测试数据为模型执行 Predict 函数运行 1000 次耗时的平均时间
+
+| 分类模型 | FPS(帧/s) | 精度(%) |
+|:-------:|:----:|:----:|
+|LZ-DigitHandRecog|35|96.74|
diff --git a/example/special/bar_code_recognition/python/README.md b/example/special/bar_code_recognition/python/README.md
new file mode 100644
index 0000000000000000000000000000000000000000..0cb125513991a773d854c683489fb501bf77da1f
--- /dev/null
+++ b/example/special/bar_code_recognition/python/README.md
@@ -0,0 +1,253 @@
+<h1 align="center">凌智视觉模块条码识别 Python 部署指南</h1>
+
+发布版本：V0.0.0
+
+日期：2024-09-27
+
+文件密级：□绝密 □秘密 □内部资料 ■公开  
+
+---
+
+**免责声明**  
+
+本文档按**现状**提供，福州凌睿智捷电子有限公司（以下简称**本公司**）不对本文档中的任何陈述、信息和内容的准确性、可靠性、完整性、适销性、适用性及非侵权性提供任何明示或暗示的声明或保证。本文档仅作为使用指导的参考。  
+
+由于产品版本升级或其他原因，本文档可能在未经任何通知的情况下不定期更新或修改。  
+
+**读者对象**  
+
+本教程适用于以下工程师：  
+
+- 技术支持工程师  
+- 软件开发工程师  
+
+**修订记录**  
+
+| **日期**   | **版本** | **作者** | **修改说明** |
+| :--------- | -------- | -------- | ------------ |
+| 2024/09/27 | 0.0.0    | 郑必城     | 初始版本     |
+
+## 1 简介
+
+接下来让我们基于 Python 来部署条码识别案例，在开始本章节前：
+
+- 请确保你已经参考 [凌智视觉模块摄像头部署指南](../../../periphery/capture/README.md) 正确下载了凌智视觉模块图片传输助手。
+- 请确保你已经按照 [开发环境搭建指南](../../../../docs/introductory_tutorial/python_development_environment.md) 正确配置了开发环境。
+
+## 2 Python API 文档
+
+```python
+class Point:
+    def __init__(self):
+        self.point = cv2.Point()
+
+    @property
+    def x(self):
+        """
+        获取矩形左上角坐标点的 x 坐标
+
+        Returns:
+            int: 获取矩形左上角坐标点的 x 坐标
+        """
+        return self.rect.x
+
+    @property
+    def y(self):
+        """
+        获取矩形左上角坐标点的 y 坐标
+
+        Returns:
+            int: 获取矩形左上角坐标点的 y 坐标
+        """
+        return self.rect.y
+
+class CodeResult:
+    """
+    条码识别检测结果类，用于封装和处理条码识别结果数据。
+
+    该类主要提供了一个包装层，用于访问和管理由视觉模块产生的条码识别结果。
+    """
+
+    def __init__(self):
+        self.qr_code_result = vision.CodeResult()
+
+    @property
+    def top_left(self):
+        """
+        获取条码识别结果的左上角坐标
+
+        Returns:
+            Point: 左上角坐标
+        """
+        return self.qr_code_result.top_left
+
+    @property
+    def top_right(self):
+        """
+        获取条码识别结果的右上角坐标
+
+        Returns:
+            Point: 右上角坐标
+        """
+        return self.qr_code_result.top_right
+
+    @property
+    def bottom_left(self):
+        """
+        获取条码识别结果的左下角坐标
+
+        Returns:
+            Point: 左下角坐标
+        """
+        return self.qr_code_result.bottom_left
+
+    @property
+    def bottom_right(self):
+        """
+        获取条码识别结果的右下角坐标
+
+        Returns:
+            Point: 右下角坐标
+        """
+        return self.qr_code_result.bottom_right
+
+    @property
+    def text(self):
+        """
+        获取条码识别结果的文本数据
+
+        Returns:
+            Point: 条码识别结果的文本数据
+        """
+        return self.qr_code_result.text
+
+class Code39Detector:
+    """
+    Code39Detector 类 - 用于 Code39 检测识别的封装类
+    """
+
+    def __init__(self):
+        self.model = vision.Code39Detector()
+
+    def predict(self, input_mat):
+        """
+        进行预测
+
+        Args:
+            input_mat (cv2.Mat): 输入的图像数据，通常是一个 cv2.Mat 变量。
+
+        Returns:
+            list(CodeResult): 预测结果对象列表，每一个预测结果包含了条码坐标和文本。
+        """
+        return self.model.predict(input_mat)
+
+
+class Code93Detector:
+    """
+    Code93Detector 类 - 用于 Code93 检测识别的封装类
+    """
+
+    def __init__(self):
+        self.model = vision.Code93Detector()
+
+    def predict(self, input_mat):
+        """
+        进行预测
+
+        Args:
+            input_mat (cv2.Mat): 输入的图像数据，通常是一个 cv2.Mat 变量。
+
+        Returns:
+            list(CodeResult): 预测结果对象列表，每一个预测结果包含了条码坐标和文本。
+        """
+        return self.model.predict(input_mat)
+
+
+class Code128Detector:
+    """
+    Code128Detector 类 - 用于 Code128 检测识别的封装类
+    """
+
+    def __init__(self):
+        self.model = vision.Code128Detector()
+
+    def predict(self, input_mat):
+        """
+        进行预测
+
+        Args:
+            input_mat (cv2.Mat): 输入的图像数据，通常是一个 cv2.Mat 变量。
+
+        Returns:
+            list(CodeResult): 预测结果对象列表，每一个预测结果包含了条码坐标和文本。
+        """
+        return self.model.predict(input_mat)
+```
+
+## 3 项目介绍
+
+为了方便大家入手，我们做了一个简易的 Code128 类型的条形码检测和识别例程。该程序可以使用摄像头进行端到端推理，并可视化推理结果到凌智视觉模块图片传输助手。
+
+```python
+from lockzhiner_vision_module.cv2 import VideoCapture
+from lockzhiner_vision_module.vision import Code128Detector, visualize
+from lockzhiner_vision_module.edit import Edit
+import sys
+
+if __name__ == "__main__":
+    edit = Edit()
+    edit.start_and_accept_connection()
+
+    model = Code128Detector()
+
+    video_capture = VideoCapture()
+    if video_capture.open(0) is False:
+        print("Failed to open capture")
+        exit(1)
+
+    while True:
+        ret, mat = video_capture.read()
+        if ret is False:
+            continue
+
+        results = model.predict(mat)
+        print(f"result size is {len(results)}")
+        for result in results:
+            top_left = result.top_left
+            top_right = result.top_right
+            bottom_left = result.bottom_left
+            bottom_right = result.bottom_right
+            text = result.text
+            print(
+                f"(top_left,top_right,bottom_left,bottom_right,text): [({top_left.x}),{top_left.y}),({top_right.x}),{top_right.y}),({bottom_left.x}),{bottom_left.y}),({bottom_right.x}),{bottom_right.y}),{text}]"
+            )
+
+        vis_mat = visualize(mat, results)
+        edit.print(vis_mat)
+```
+
+## 4 上传并测试 Python 程序
+
+参考 [连接设备指南](../../../../docs/introductory_tutorial/connect_device_using_ssh.md) 正确连接 Lockzhiner Vision Module 设备。
+
+![](../../../../docs/introductory_tutorial/images/connect_device_using_ssh/ssh_success.png)
+
+请使用 Electerm Sftp 依次上传以下两个文件:
+
+- 进入存放 **test_bar_code_recognition.py** 脚本文件的目录，将 **test_bar_code_recognition.py** 上传到 Lockzhiner Vision Module
+
+![](images/stfp.png)
+
+请使用 Electerm Ssh 并在命令行中执行以下命令:
+
+```bash
+python test_bar_code_recognition.py
+```
+
+运行程序后，使用凌智视觉模块图片传输助手连接设备，屏幕上开始打印条码位置和置信度，凌智视觉模块图片传输助手出现可视化的结果
+
+![alt text](images/qr_code_result.png)
+
+<!-- ## 5 其他 -->
+
+<!-- 如果你需要使用 C++ 来部署 PaddleClas 请参考[凌智视觉模块分类模型 C++ 部署指南](../cpp/README.md)。 -->
diff --git a/example/special/bar_code_recognition/python/images/2024_0927_10_10_00_267.png b/example/special/bar_code_recognition/python/images/2024_0927_10_10_00_267.png
new file mode 100644
index 0000000000000000000000000000000000000000..3664906e5f8bfd128954841c863ac67056a72991
Binary files /dev/null and b/example/special/bar_code_recognition/python/images/2024_0927_10_10_00_267.png differ
diff --git a/example/special/bar_code_recognition/python/images/qr_code_result.png b/example/special/bar_code_recognition/python/images/qr_code_result.png
new file mode 100644
index 0000000000000000000000000000000000000000..4e12a63d4744590bb065ee668ad90ea00438a38e
Binary files /dev/null and b/example/special/bar_code_recognition/python/images/qr_code_result.png differ
diff --git a/example/special/bar_code_recognition/python/images/stfp.png b/example/special/bar_code_recognition/python/images/stfp.png
new file mode 100644
index 0000000000000000000000000000000000000000..9c31239f4448987edcb4aede92c8e2ba6914727b
Binary files /dev/null and b/example/special/bar_code_recognition/python/images/stfp.png differ
diff --git a/example/special/bar_code_recognition/python/test_bar_code_recognition.py b/example/special/bar_code_recognition/python/test_bar_code_recognition.py
new file mode 100644
index 0000000000000000000000000000000000000000..17ea37ce499d03cfd18929d64a492456fd031660
--- /dev/null
+++ b/example/special/bar_code_recognition/python/test_bar_code_recognition.py
@@ -0,0 +1,35 @@
+from lockzhiner_vision_module.cv2 import VideoCapture
+from lockzhiner_vision_module.vision import Code128Detector, visualize
+from lockzhiner_vision_module.edit import Edit
+import sys
+
+if __name__ == "__main__":
+    edit = Edit()
+    edit.start_and_accept_connection()
+
+    model = Code128Detector()
+
+    video_capture = VideoCapture()
+    if video_capture.open(0) is False:
+        print("Failed to open capture")
+        exit(1)
+
+    while True:
+        ret, mat = video_capture.read()
+        if ret is False:
+            continue
+
+        results = model.predict(mat)
+        print(f"result size is {len(results)}")
+        for result in results:
+            top_left = result.top_left
+            top_right = result.top_right
+            bottom_left = result.bottom_left
+            bottom_right = result.bottom_right
+            text = result.text
+            print(
+                f"(top_left,top_right,bottom_left,bottom_right,text): [({top_left.x}),{top_left.y}),({top_right.x}),{top_right.y}),({bottom_left.x}),{bottom_left.y}),({bottom_right.x}),{bottom_right.y}),{text}]"
+            )
+
+        vis_mat = visualize(mat, results)
+        edit.print(vis_mat)
diff --git a/example/special/qr_code_recognition/README.md b/example/special/qr_code_recognition/README.md
index 3513b7338a8aed664f26c62fa16247dfa49b3691..bf0e834f4264df1c2aff472ae5451627c83f4bb2 100644
--- a/example/special/qr_code_recognition/README.md
+++ b/example/special/qr_code_recognition/README.md
@@ -1,4 +1,4 @@
-<h1 align="center">凌智视觉模块二维码识别部署指南</h1>
+<h1 align="center">凌智视觉模块二维码检测与识别部署指南</h1>
 
 发布版本：V0.0.0
 
diff --git a/example/special/qr_code_recognition/python/README.md b/example/special/qr_code_recognition/python/README.md
index 1c3c879575170ed8cc430367a3caf13778dd2001..0a98d4dfa768a621d4c709e65dd8d2cd5a3f6c82 100644
--- a/example/special/qr_code_recognition/python/README.md
+++ b/example/special/qr_code_recognition/python/README.md
@@ -61,50 +61,50 @@ class Point:
         """
         return self.rect.y
 
-class QRCodeResult:
+class CodeResult:
     """
-    二维码识别检测结果类，用于封装和处理二维码识别结果数据。
+    条码识别检测结果类，用于封装和处理条码识别结果数据。
 
-    该类主要提供了一个包装层，用于访问和管理由视觉模块产生的二维码识别结果。
+    该类主要提供了一个包装层，用于访问和管理由视觉模块产生的条码识别结果。
     """
-    
+
     def __init__(self):
-        self.qr_code_result = vision.QRCodeResult()
+        self.qr_code_result = vision.CodeResult()
 
     @property
     def top_left(self):
         """
-        获取二维码识别结果的左上角坐标
+        获取条码识别结果的左上角坐标
 
         Returns:
             Point: 左上角坐标
         """
         return self.qr_code_result.top_left
-    
+
     @property
     def top_right(self):
         """
-        获取二维码识别结果的右上角坐标
+        获取条码识别结果的右上角坐标
 
         Returns:
             Point: 右上角坐标
         """
         return self.qr_code_result.top_right
-    
+
     @property
     def bottom_left(self):
         """
-        获取二维码识别结果的左下角坐标
+        获取条码识别结果的左下角坐标
 
         Returns:
             Point: 左下角坐标
         """
         return self.qr_code_result.bottom_left
-    
+
     @property
     def bottom_right(self):
         """
-        获取二维码识别结果的右下角坐标
+        获取条码识别结果的右下角坐标
 
         Returns:
             Point: 右下角坐标
@@ -114,10 +114,10 @@ class QRCodeResult:
     @property
     def text(self):
         """
-        获取二维码识别结果的文本数据
+        获取条码识别结果的文本数据
 
         Returns:
-            Point: 二维码识别结果的文本数据
+            Point: 条码识别结果的文本数据
         """
         return self.qr_code_result.text
 
@@ -136,14 +136,14 @@ class QRCodeDetector:
             input_mat (cv2.Mat): 输入的图像数据，通常是一个 cv2.Mat 变量。
 
         Returns:
-            list(QRCodeResult): 预测结果对象列表，每一个预测结果包含了二维码坐标和文本。
+            list(CodeResult): 预测结果对象列表，每一个预测结果包含了二维码坐标和文本。
         """
         return self.model.predict(input_mat)
 ```
 
 ## 3 项目介绍
 
-为了方便大家入手，我们做了一个简易的手写数字识别例程。该程序可以使用摄像头进行端到端推理，并可视化推理结果到凌智视觉模块图片传输助手。
+为了方便大家入手，我们做了一个简易的二维码检测识别例程。该程序可以使用摄像头进行端到端推理，并可视化推理结果到凌智视觉模块图片传输助手。
 
 ```python
 from lockzhiner_vision_module.cv2 import VideoCapture