目的——随着近几年中医药事业的发展,中药材成为了中医药事业不可或缺的一部分,国民对中药材重要性的认识也逐步提高了起来,但是市面上中药材的质量参差不齐,伪劣产品数见不鲜,并且传统的鉴别方法主要依靠专业人士,其存在效率低下,主观性强且成本高,非专业人士难以鉴别等各种问题。因此,随着深度学习技术的发展,将其引入到中药材鉴别方法中会解决以上的诸多问题,本文将使用深度学习技术完成对中药材的分类和鉴别。方法——由于传统的中药材鉴别方法具有主观因素和不稳定因素,本文提出了使用卷积神经网络对中药材进行提取特征并进行分类鉴别。使用数据增强扩充中药材数据量,通过数据归一化、灰度化等预处理操作,提高中药材的图像质量,最后搭建合适的卷积神经网络模型;并且为了进一步提高网络模型的识别率,对模型进行了一系列的优化操作,通过引入全局平局池化、特征融合和ELU激活函数等方式优化原始网络模型。最终,对实验的结果进行比对、研究和分析,并且使用深度学习框架Tensor Flow来完成相关实验。研究结果——本文对搭建的不同深度的网络模型的结果进行比对,当模型为14层时,模型的分类准确率最优。当对模型引入全局平局池化、特征融合和ELU激活函数的准确率进行比对后,得到的结论为网络模型引入特征融合后,模型的识别率显著提高,能满足国民日常生活的需要。研究的局限性——可进行分类的中药材的类别有限,本文只研究了几种特定的中药材,并没有完成大规模的药材识别,对其他中药材无法完成识别。实际影响——将卷积神经网络技术应用到中药材图像识别分类中,不仅可以提高分类识别的准确率,并且进一步简化对应的分类识别流程,完成对中药材的分类识别,获得了分类效果较好的模型,能够满足人民在日常生活对鉴别中药材的需求。独创性——利用归一化、灰度化、降噪和数据增强对数据集中的图片进行处理,对图像的分辨率进行了提高;使用深度学习技术对处理后的图像进行识别分类研究,并且对所提出的网络模型进行改进,在提高识别率的同时提高了模型的性能。