随着人工智能技术发展的日益成熟,无论在人们的生活还是学习中,都有人工智能的影子。在科技发展的过程中,硬件方面的提升非常迅速。近几年,深度学习在硬件的提升下,开始迈向了新的步伐。图像分割是人工智能的一个方向,分类结果的精确度直接受分割结果影响,所以分割起到至关重要的作用。中医对舌苔诊断依据是“望诊”,这是传统的手段。随着现代化技术的发展,对中医而言智能化和客观化是必不可少的方式,现代的智能化技术对中医辅助帮助很大,深度学习在中医领域可以进行辅助诊断和效果的提升,也对中医的发展具有推动作用。本课题主要研究的是对舌苔的分割,并且分割出来对其进行分类。首先对分割网络的工作原理以及相关算法进行了说明,其次采用全卷积网络对舌苔进行分割并且使用像素级标注图像,在全卷积网络中用到上采样和跳跃结构,将提取到的特征进行恢复。分割过程在VGG16理论实践基础下,提出了一种叫TonNet的网络架构,接着对分类的网络工作原理以及相关算法进行阐述,在分割完成以后,继续对标注的数据集进行分类,从而使得网络充分的利用,也让结果更加精确。最后将实验用到的两种不同方式的网络在分割和分类的实验结果上进行了对比,从实验数据上可以看出选用的TonNet分割和分类的结果比VGG16分割以及LeNet5分类效果表现更好。