经过多年的探索,中医舌象自动化分析研究已经取得一定的成果。但是,在中医舌象分析仪产品化过程中,目前仍然存在很多问题,如主客观舌图像颜色重现不协调、舌图像自动分割准确性和鲁棒性难以满足全自动精准分割需求等。这些难点在很大程度上限制了中医舌象自动化分析技术的产品化。近年来,随着计算资源的提升,深度学习技术在计算机视觉领域迅速发展,并被广泛用于各种回归问题和图像语义分割等任务,性能远超传统算法。这为有效解决中医自动化分析设备产品化中存在的上述问题提供了契机。本文针对中医舌象分析仪产品化中舌图像主客观颜色重现、自动化分割以及深度学习算法在中医舌象分析仪中的算法调用框架等方面问题展开了深入的研究,具体完成了以下工作:(1)提出了基于两步深度学习的中医舌图像主客观颜色校正方法。该方法对中医舌图像的颜色校正在满足自动分析的客观定量化与人眼视觉主观个性化相统一的需求上,分为两步进行处理。首先由基于卷积神经网络的中医舌图像颜色客观校正方法对舌图像完成客观化校正;然后,根据不同医生的主观偏好以及不同环境的统计分析结果,采用基于lαβ颜色空间的颜色调整策略对主观显示舌图像进行调整。实验结果表明,该算法客观误差相对传统方法大大减少,同时具备了满足主观个性化颜色显示需求的灵活性。(2)提出了基于卷积神经网络的中医舌图像自动分割方法。该方法采用编解码的语义分割框架,采用开放环境下的舌象数据集对语义分割网络进行参数迁移训练,得到适应中医舌图像程序分割任务的算法模型。该方法可以适用于封闭式和开放式采集环境下舌图像分割。经过实验表明,该方法可实现舌图像全自动精准分割,基本达到了实用化水平。(3)实现了基于Web服务器的中医舌诊深度学习模型调用框架。该方法采用轻量级的Flask Web框架,实现了深度学习算法在服务器端的方便集成;同时,完成了基于Android的中医舌象APP应用开发,并实现移动应用端对中医舌诊深度学习模型调用框架的测试。实验结果表明,该中医舌诊深度学习模型调用框架有效解决了不同平台深度学习算法在中医舌象分析系统中集成调用的工程问题。