目前,现代化舌诊大多采用舌诊仪作为采集数据的手段,其普及性因费用、场地、时间等因素受到了严重制约,难以满足人们随时、随地“自助式”的舌诊需求。因此,本文以智能手机等便携设备采集的舌象数据为基础,基于卷积神经网络对舌象辨识展开了如下研究工作。首先,根据中医舌诊理论,在中医专家指导下,对舌象数据的属性及其类别进行定义;针对舌象辨识需多属性标注的问题,设计与开发舌象标注工具,并开展舌象数据标注工作,构建舌苔数据集和舌质数据集。其次,在对阈值分割、区域分割和图分割等经典图像分割方法分析的基础上,依据舌象数据特点,提出一种基于GrabCut算法的舌体自动分割方法,并采用形态学膨胀算法对舌体分割数据进行空洞检测和填充,进一步裁剪得到最终分割结果。实验表明,经自动分割后的舌体数据较完整地保留了舌象特征信息,可为舌象辨识研究提供数据支持。再次,在对经典卷积神经网络性能分析的基础上,提出一种舌象辨识模型TonNet。该模型以AlexNet网络结构为基础,引入DenseNet中的密集连接方式,主要包括卷积层,Se-dense块,池化层,全局平均池化层,全连接层和Softmax层。结合舌诊需舌苔、舌质多方位综合诊断的要求,以TonNet为基础,设计包含舌苔和舌质2个输出的舌象辨识模型Multi-TonNet。最后,在Ubuntu16.04操作系统下,使用Python2.7语言在Anaconda3.0环境下,分别开展了基于TonNet在舌苔数据集、基于TonNet在舌质数据集和基于MultiTonNet在舌苔和舌质两种属性数据集上的舌象辨识实验,验证了舌象辨识模型TonNet的有效性和多输出舌象辨识模型Multi-TonNet的可行性。