条形码技术应用广泛，是一项在物流管理中不可或缺的技术。传统基于人工提取特征的检测算法不仅需要设计者精心地选取多项阈值，而且在进行多条码检测时这类算法易受到复杂背景的干扰。针对复杂背景下的条形码检测，提出一种基于深度学习的多条码检测方法，以“卷积+ maxpool”的结构设计一个多任务卷积神经网络，并行完成条形码多特征的检测，且采用全卷积的方式替代全连接层，减少了模型的参数量。实验结果表明，所提方法不仅可以避免复杂的阈值选取，有较好的鲁棒性，而且速度快，实时性较好。