摘要：目的:为适应现代化饮片甄别的需求,克服传统人工经验方法主观性强而效率低的问题,探究机器视觉与深度学习方法在中药饮片智能甄别领域的可行性具有重要的研究意义。方法:构建包含60种11125张饮片的图像集,设计高低频特征学习的网络架构,即采用平行卷积网络获得低频特征和多尺度深度卷积核获得高频特征,并利用语义描述网络实现具备泛化能力的特征学习模式。研究将wasserstein间距引入博弈生成对抗模型完成饮片甄别,在生成和判别网络中增加条件参数,使网络训练更可靠,同时提升识别精准度。结果:实验表明当训练样本与测试样本占比大于6∶4时,饮片识别准确度较为稳定;该文方法针对不同状态和环境下捕获的饮片图像,平均甄别精准度最能达85.9%,稳定度高,识别效果显著优于VGG-Net和AlexNet方法。结论:该文方法能够获得丰富而典型的饮片特征,所引入的沃瑟斯坦生成对抗神经网络(WGAN)模型和wasserstein间距可使网络训练更可靠;所完成各种复杂环境下的中药饮片智能甄别准确度、鲁棒性和批量化效果好,为饮片分拣与质量量化甄别给出技术支撑。