随着计算机技术的不断进步,人工智能与工业、制造业结合的不断深入,加上民众对医疗服务体验要求的不断提高,截止到目前,越来越多的国家将目光集中到了进一步提高药房自动化的问题上来。但已完成的智慧药房大多存在自动化水平低、实时性差、离不开药剂师协同工作的问题,“智慧”程度还不够高,这不仅大大浪费了医疗资源,而且药品在人工传递过程中存在着损耗和安全风险等问题。为提高智慧药房设备的自动化程度,本文重点研究了药品图像分割与识别算法,致力于在药房设备中加入基于图像处理技术的视觉辅助功能。本文首先基于中山大学第五附属医院实地环境,完成了住院药房药品图像样本采集。为解决原始数据质量过差而导致后续图像分割与识别性能不佳的问题,使用图像预处理技术以提高样本图像质量。为此,通过对多种图像预处理技术进行实验测试,并对相关实验结果进行对比分析,选择两种最优预处理算法完成药品图像数据库搭建工作。为提高药品图像分割准确率和实时性,本文在传统区域生长算法的基础上进行改进。在现有分割算法对胶囊药品难以分割准确的情况下,本文通过计算胶囊药品的几何矩,利用同一胶囊的上下部分在距离和角度上与其他连通域有较大差别的特点,来实现算法合并方案的设计。通过将本文算法与其他分割算法处理结果进行对比,本文所提出改进算法在分割准确性和实时性上,都较其他分割算法有很大的提升。为提高药品图像识别准确率,文章基于第二章搭建的药品图像数据库,抽取部分药品图像样本进行颜色、形状、纹理的特征提取,对特征归一化后结果分析后选取特征表达能力最强的一组进行分类器识别。然而,单一基础分类器识别准确率较低,针对此情况本文基于集成学习对分类器进行优化,并抽取药品图像样本进行测试验证,通过与各分类器进行实验对比,发现集成分类器识别准确率最优,最后结合设备运行情况对药品核对功能进行了上位机实现。