随着生活水平的不断提高,人们对中医健康养生方面的知识也越来越重视,而中药饮片作为中医的重要组成部分越来越被大众所看重。但是大部分人并不了解中药饮片方面的知识,对于中药饮片的识别更是匮乏,因此会导致造成不良的后果,使中药材的效用适得其反。深度学习概念自被提出以来,就被逐步应用于自然语言处理、语音、图像等方面,并且在人工智能应用领域方面取得了突破性的进展,也在众多领域取得了优秀的成果。其中,利用计算机图像处理技术实现对中药饮片二维图像的自动化识别,已经得到了广泛的研究,并应用于医疗、教学和生产等各个领域,但就中药饮片图像分类方面,还存在着中药饮片种类较少、识别准确率较低的问题。如果将深度学习方法应用到中药材图像识别领域,实现中药材图像的智能化,不仅便捷中药材产业相关人员,还会造福社会,使普通大众受益终生。因此,本文基于改进卷积神经网络,建立中药饮片图像数据库,提出中药饮片图像识别算法。1.针对已建立的中药饮片图像库,以密集连接卷积网络（Dense Convolutional Network,Dense Net）和基于深度可分离卷积的Xception Net为基本架构,将Dense Net和Xception Net生成的特征通过连接（concat）方式加以融合,构建了一种特征融合的卷积神经网络,从而实现中药饮片图像的高效识别。实验结果表明,与传统卷积神经网络相比,特征融合后的神经网络算法在测试的60种中药饮片图像中可以实现82.19%的平均识别精度,比融合前单一网络的识别率平均提高了近10%的精度;2.针对已建立的中药饮片图像库,在残差网络（Residual Network,Res Net）的基础上利用“拆分-转换-合并”的策略,提出一种网络结构称为Res Ne Xt。将压缩和激励网络（Squeeze-and-Excitation Networks,SENet）应用到Res Ne Xt分支上,得到改进网络为SE-Res Ne Xt用于中药饮片图像的识别。实验结果表明,改进后的神经网络在测试的60种中药饮片图像中可以实现92.45%的识别精度,比改进前的残差网络提高了近5%的识别精度。两种方法即使在中药饮片图像存在复杂背景情况下也可以达到不低于82%的识别效果。