近年来,“互联网+医疗”受到社会各界广泛关注,基于人工智能的医学诊断方法也逐渐被大众所认可。舌诊作为中医望诊中不可或缺的常规检查,在中医临床诊断上占有重要地位,其独特的诊断方式体现出了中医诊病的传统经验和特色。幼年儿童自我管控能力差,不节制的饮食容易造成“积食”现象,患有积食的孩子一般会出现食欲不振、厌食、口臭、肠胃不适、睡眠不安、发热盗汗和手脚心发凉等症状,严重时甚至引起发烧。因此,及时发现并准确实时地判断积食症状十分重要。鉴于智能手机在国内的普及程度以及父母对儿童的悉心照顾,家长希望可以通过智能手机随时随地检查幼儿是否患有积食症,并及时采取应对措施,排除病症对幼儿的不利影响。本文针对移动端对幼儿积食症的诊断提出了一套解决方案,主要工作概述如下:(1)针对目前还没有很好的处理移动端图像颜色校正的问题,提出了一种照明条件的评估方法,即通过测定有无闪光灯下同一照明条件下舌图像的颜色向量来评估当前的照明条件,通过支持向量机方法来对当前的照明条件进行分类,然后通过颜色校正方法中的多项式方法对颜色进行颜色校正,并深入研究了传统颜色校正的多项式模型,通过设计对比多个多项式模型实验,确定了一种比以往效果更好的多项式模型,为后续对舌像处理打下了基础。(2)针对传统算法对舌体分割精度差、易受无关区域干扰的问题。设计了两段基于深度学习的舌体分割步骤:使用YOLOv3算法对舌体进行目标识别,即获得舌体的ROI(region of interest)并输出其框体坐标,根据其框体输出得到目标框体中的图像;将YOLOv3算法的输出作为U-net算法的输入,能够精确地从原始图像中分割出舌体,通过与传统分割算法做对比。实验结果表明,最终得到分割效果优于现在的传统的舌体分割算法,为积食症病理特征的判断排除了外界环境的干扰。(3)针对目前积食症危害大,家长警惕性低以及看病手续复杂等问题,采用了L*a*b*颜色空间,对幼儿积食症舌像与正常舌像在L*a*b*空间上的投影做了定性和定量的分析,确定患有轻度积食症、重度积食症和正常情况下的舌像在L*a*b*颜色空间上的分布情况,并对如何进行积食症的判断进行了模型设计,将实验结果与中医标注的舌像结果进行了对比,在判别上取得了很好的效果。