卷积神经网络

卷积神经网络摘要：卷积神经网络是近年来广泛应用于模式识别、图像处理等领域的一种高效识别算法，它具有结构简单、训练参数少和适应性强等特点。本文从卷积神经网络的发展历史开始，详细阐述了卷积神经网络的网络结构、神经元模型和训练算法。在此基础上以卷积神经网络在人脸检测和形状识别方面的应用为例，简单介绍了卷积神经网络在工程上的应用，并给出了设计思路和网络结构。关键字：模型；结构；训练算法；人脸检测；形状识别0引言卷积神经网络是人工神经网络的一种已成为当前语音分析和图像识别领域的研究热点，它的权值共享网络结构使之更类似于生物神经网络，降低了网络模型的复杂度，减少了权值的数量。该优点在网络的输入是多维图像时表现的更为明显，使图像可以直接作为网络的输入，避免了传统识别算法中复杂的特征提取和数据重建过程。卷积网络是为识别二维形状而特殊设计的一个多层感知器，这种网络结构对平移、比例缩放、倾斜或者共他形式的变形具有高度不变性。1卷积神经网络的发展历史1962年Hubel和Wiesel通过对猫视觉皮层细胞的研究，提出了感受野(receptivefield)的概念，1984年日本学者Fukushima基于感受野概念提出的神经认知机(neocognitron)可以看作是卷积神经网络的第一个实现网络，也是感受野概念在人工神经网络领域的首次应用。神经认知机将一个视觉模式分解成许多子模式(特征)，然后进入分层递阶式相连的特征平面进行处理，它试图将视觉系统模型化，使其能够在即使物体有位移或轻微变形的时候，也能完成识别。神经认知机能够利用位移恒定能力从激励模式中学习，并且可识别这些模式的变化形，在其后的应用研究中，Fukushima将神经认知机主要用于手写数字的识别。随后，国内外的研究人员提出多种卷积神经网络形式，在邮政编码识别和人脸识别方面得到了大规模的应用。通常神经认知机包含两类神经元，即承担特征抽取的S-元和抗变形的C-元。S-元中涉及两个重要参数，即感受野与阈值参数，前者确定输入连接的数目，后者则控制对特征子模式的反应程度。许多学者一直致力于提高神经认知机的性能的研究：在传统的神经认知机中，每个S-元的感光区中由C-元带来的视觉模糊量呈正态分布。如果感光区的边缘所产生的模糊效果要比中央来得大，S-元将会接受这种非正态模糊所导致的更大的变形容忍性。我们希望得到的是，训练模式与变形刺激模式在感受野的边缘与其中心所产生的效果之间的差异变得越来越大。为了有效地形成这种非正态模糊，Fukushima提出了带双C-元层的改进型神经认知机。Trotin等人提出了动态构造神经认知机并自动降低闭值的方法[1]，初始态的神经认知机各层的神经元数目设为零，然后会对于给定的应用找到合适的网络规模。在构造网络过程中，利用一个反馈信号来预测降低阈值的效果，再基于这种预测来调节阈值。他们指出这种自动阈值调节后的识别率与手工设置阈值的识别率相若，然而，上述反馈信号的具体机制并未给出，并且在他们后来的研究中承认这种自动阈值调节是很困难的【8】。Hildebrandt将神经认知机看作是一种线性相关分类器，也通过修改阈值以使神经认知机成为最优的分类器。Lovell应用Hildebrandt的训练方法却没有成功。对此，Hildebrandt解释的是，该方法只能应用于输出层，而不能应用于网络的每一层。事实上，Hildebrandt没有考虑信息在网络传播中会逐层丢失。VanOoyen和Niehuis为提高神经认知机的区别能力引入了一个新的参数。事实上，该参数作为一种抑制信号，抑制了神经元对重复激励特征的激励。多数神经网络在权值中记忆训练信息。根据Hebb学习规则，某种特征训练的次数越多，在以后的识别过程中就越容易被检测。也有学者将进化计算理论与神经认知机结合【9】，通过减弱对重复性激励特征的训练学习，而使得网络注意那些不同的特征以助于提高区分能力。上述都是神经认知机的发展过程，而卷积神经网络可看作是神经认知机的推广形式，神经认知机是卷积神经网络的一种特例。卷积神经网络本身可采用不同的神经元和学习规则的组合形式。其中一种方法是采用M-P神经元和BP学习规则的组合，常用于邮政编码识别中。还有一种是先归一化卷积神经网络，然后神经元计算出用输入信号将权值和归一化处理后的值，再单独训练每个隐层得到权值，最后获胜的神经元输出活性，这个方法在处理二值数字图像时比较可行，但没有在大数据库中得到验证。第三种方法综合前两种方法的优势，即采用McCulloch-Pitts神经元代替复杂的基于神经认知机的神经元。在该方法中，网络的隐层和神经认知机一样，是一层一层训练的，但是回避了耗时的误差反向传播算法。这种神经网络被称为改进的神经认知机。随后神经认知机和改进的神经认知机作为卷积神经网络的例子，广泛用于各种识别任务中，比如大数据库的人脸识别和数字识别。下面详细介绍卷积神经网络的原理、网络结构及训练算法。2卷积神经网络2.1网络结构卷积神经网络是一个多层的神经网络，每层由多个二维平面组成，而每个平面由多个独立神经元组成。网络中包含一些简单元和复杂元，分别记为S-元和C-元。S-元聚合在一起组成S-面，S-面聚合在一起组成S-层，用Us表示。C-元、C-面和C-层(Us)之间存在类似的关系。网络的任一中间级由S-层与C-层串接而成，而输入级只含一层，它直接接受二维视觉模式，样本特征提取步骤已嵌入到卷积神经网络模型的互联结构中。一般地，Us为特征提取层，每个神经元的输入与前一层的局部感受野相连，并提取该局部的特征，一旦该局部特征被提取后，它与其他特征间的位置关系也随之确定下来；Uc是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射为一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数，降低了网络参数选择的复杂度。卷积神经网络中的每一个特征提取层(S-层)都紧跟着一个用来求局部平均与二次提取的计算层(C-层)，这种特有的两次特征提取结构使网络在识别时对输入样本有较高的畸变容忍能力【10】。网络中神经元的输出连接值符合“最大值检出假说”【15】，即在某一小区域内存在的一个神经元集合中，只有输出最大的神经元才强化输出连接值。所以若神经元近旁存在有输出比其更强的神经元时，其输出连接值将不被强化。根据上述假说，就限定了只有一个神经元会发生强化。卷积神经网络的种元就是某S-面上最大输出的S-元，它不仅可以使其自身强化，而且还控制了邻近元的强化结果。因而，所有的S-元渐渐提取了几乎所有位置上相同的特征。在卷积神经网络早期研究中占主导的无监督学习中，训练一种模式时需花费相当长的时间去自动搜索一层上所有元中具有最大输出的种元，而现在的有监督学习方式中，训练模式同它们的种元皆由教师设定。图1是文献[12]中卷积神经网络的典型结构图。将原始图像直接输入到输入层(Uc1)，原始图像的大小决定了输入向量的尺寸，神经元提取图像的局部特征，因此每个神经元都与前一层的局部感受野相连。文中使用了4层网络结构，隐层由S-层和C-层组成。每层均包含多个平面，输入层直接映射到Us2层包含的多个平面上。每层中各平面的神经元提取图像中特定区域的局部特征，如边缘特征，方向特征等，在训练时不断修正S-层神经元的权值。同一平面上的神经元权值相同，这样可以有相同程度的位移、旋转不变性。S-层中每个神经元局部输入窗口的大小均为5x5，由于同一个平面上的神经元共享一个权值向量，所以从一个平面到下一个平面的映射可以看作是作卷积运算，S-层可看作是模糊滤波器，起到二次特征提取的作用。隐层与隐层之间空间分辨率递减，而每层所含的平面数递增，这样可用于检测更多的特征信息。图1卷积神经网络结构图Fig.1Thestructureofconvolutionalneuralnetwork2.2神经元模型在卷积神经网络中，只有S-元间的输入连接是可变的，而其他元的输入连接是固定的。用Usl（kl，n）表示第l级，第kl个S-面上，一个S-元的输出，用Ucl(kl，n)表示在该级第kl个C-面上一个C-元的输出。其中，n是一个二维坐标，代表输入层中神经元的感受野所在位置，在第一级，感受野的面积较小，随后随着l的增大而增加。(2.1)式(2.1)中al（v，kl-1，k）和bl(k)分别表示兴奋性输入和抑制性输入的连接系数；rl(k)控制特征提取的选择性，其值越大，对噪音和特征畸变的容错性越差，它是一常量，它控制着位于每一S-层处的单个抑制子平面中每个神经元的输入:rl(k)的值越大，与抑制性成比例的兴奋性就得越大，以便能产生一个非零输出，换句话说就是相当好的匹配才一能激活神经元，然而因为rl(k)还需乘以φ()，所以rl值越大就能产生越大的输出，相反，小的rl(k)值允许不太匹配的神经元兴奋，但它只能产生一个比较小的输出；φ(x)为非线性函数。v是一个矢量，表示处于n感受野中的前层神经元n的相对位置，Al确定S神经元要提取特征的大小，代表n的感受野。所以式中对v的求和也就包含了指定区域当中所有的神经元；外面对于勺kl-1的求和，也就包含了前一级的所有子平面，因此在分子中的求和项有时也被称作兴奋项，实际上为乘积的和，输入到n的神经元的输出都乘上它们相应的权值然后再输出到nc。(2.2)式(2.2)表示的是指定某级(第l级)、某层(S-层)、某面(第kl个S-面)、某元(向量为n处)的一个输出。对于一个S-元的作用函数可分为两部分，即兴奋性作用函数和抑制性作用函数。兴奋性作用使得膜电位上升，而抑制性作用起分流作用。兴奋性作用为：(2.3)S-元与其前一级C-层的所有C-面均有连接，所连接的C-元个数由该S-级的参数感受野Al唯一确定。网络中另一个重要的神经元是假设存在的抑制性神经元V-元Uvl(n)，它位于S-面上满足以下三个条件:环元的抑制作用影响整个网络的运作；C-元与V-元间存在着固定的连接；V-元的输出事先设为多个C-元输出的平均值。可以用它来表示网络的抑制性作用，发送一个抑制信号给Usl（kl，n）神经元，从与Usl（kl，n）类似的元接收它的输入连接值，并输出:(2.4)权cl(v)是位于V—元感受野中的v处的神经元相连的权值，不需要训练这些值，但它们应随着│v│的增加而单调减小。因此，选择式2.5的归一化权值。(2.5)式2.5中的归一化常量C由式2.6给出，其中：r(v)是从v处到感受野中心的归一化距离:(2.6)C神经元的输出由式2.7给出:（2.7）上式中ψ(x)为:（2.8）式中β为一常量。kl是第l级中的S子平面的数量。Dl是C—元的感受野。因此，它和特征的大小相对应。dl(v)是固定兴奋连接权的权值，它是│v│的单调递减函数。如果第kl个S神经元子平面从第kl-1子平面处收到信号，那么jl(kl,kl-1)的值为，1否则为0。最后，S_层的Vs神经元的输出为（2.9）图2为卷积神经网络中不同神经元之间的连接关系图，从图中可以很清楚地看出各种不同神经元之间的连接关系。图2卷积神经网络中不同神经元间的连接Fig.2Theconnectionsconvolutionalneuralnetworkamongdifferentneurons2.3卷积网络的训练过程神经网络用于模式识别的主流是有指导学习网络，无指导学习网络更多的是用于聚类分析。对于有指导的模式识别，由于任一样本的类别是已知的，样本在空间的分布不再是依据其自然分布倾向来划分，而是要根据同类样本在空间的分布及不同类样本之间的分离程度找一种适当的空间划分方法，或者找到一个分类边界，使得不同类样本分别位于不同的区域内。这就需要一个长时间且复杂的学习过程，不断调整用以划分样本空间的分类边界的位置，使尽可能少的样本被划分到非同类区域中。由于本文主要是检测图像中的人脸，所以可将样本空间分成两类：样本空间和非样本空间，因而本文所使用的学习网络也是有指导的学习网络。卷积网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间的精确的数学表达式，只要用已知的模式对卷积网络加以训练，网络就具有输入输出对之间的映射能力。卷积网络执行的是有导师训练，所以其样本集是由形如：（输入向量，理想输出向量）的向量对构成的。所有这些向量对，都应该是来源于网络即将模拟的系统的实际“运行”结果。它们可以是从实际运行系统中采集来的。在开始训练前，所有的权都应该用一些不同的小随机数进行初始化。“小随机数”用来保证网络不会因权值过大而进入饱和状态，从而导致训练失败；“不同”用来保证网络可以正常地学习。实际上，如果用相同的数去初始化权矩阵，则网络无能力学习。训练算法主要包括4步，这4步被分为两个阶段：第一阶段，向前传播阶段：①从样本集中取一个样本(X,Yp)，将X输入网络；②计算相应的实际输出Op。在此阶段，信息从输入层经过逐级的变换，传送到输出层。这个过程也是网络在完成训练后正常运行时执行的过程。在此过程中，网络执行的是由式（2.7）计算：Op=Fn（…（F2（F1（XpW（1））W（2））…）W（n））第二阶段，向后传播阶段①计算实际输出Op与相应的理想输出Yp的差；②按极小化误差的方法调整权矩阵。这两个阶段的工作一般应受到精度要求的控制，在这里，用式（2.8）计算Ep。作为网络关于第p个样本的误差测度。而将网络关于整个样本集的误差测度定义为：E=∑Ep。（2.8）如前所述，之所以将此阶段称为向后传播阶段，是对应于输入信号的正常传播而言的。因为在开始调整神经元的连接权时，只能求出输出层的误差，而其他层的误差要通过此误差反向逐层后推才能得到。有时候也称之为误差传播阶段。为了更清楚地说明本文所使用的卷积神经网络的训练过程，首先假设输入层、中间层和输出层的单元数分别是N、L和M。X=(x0,x1,…,xN)是加到网络的输入矢量，H=(h0,h1,…,hL)是中间层输出矢量，Y=(y0,y1,…,yM)是网络的实际输出矢量，并且用D=(d0,d1,…,dM)来表示训练组中各模式的目标输出矢量输出单元i到隐单元j的权值是Vij，而隐单元j到输出单元k的权值是Wjk。另外用θk和φj来分别表示输出单元和隐含单元的阈值。于是，中间层各单元的输出为式（2.9）：（2.9）而输出层各单元的输出是式（2.10）：（2.10）其中f(*)是激励函数采用S型函数式（2.11）：（2.11）在上述条件下，网络的训练过程如下：1）选定训练组。从样本集中分别随机地选取300个样本作为训练组。2）将各权值Vij，Wjk和阈值φj，θk置成小的接近于0的随机值，并初始化精度控制参数ε和学习率α。3）从训练组中取一个输入模式X加到网络，并给定它的目标输出矢量D。4）利用式（2.9）计算出一个中间层输出矢量H，再用式(2.10)计算出网络的实际输出矢Y。5）将输出矢量中的元素yk与目标矢量中的元素dk进行比较，计算出M个输出误差项式（2.12）：（2.12）对中间层的隐单元也计算出L个误差项式（2.13）：（2.13）6）依次计算出各权值的调整量式（2.14）和式（2.15）：（2.14） （2.15）和阈值的调整量式（2.16）和（2.17）：（2.16）（2.17）7）调整权值式（2.18）和式（2.19）：（2.18）（2.19）调整阈值式（2.20）和（2.21）：（2.20）（2.21）8）当k每经历1至M后，判断指标是否满足精度要求：E≤ε，其中E是总误差函数，且。如果不满足，就返回（3），继续迭代。如果满足就进入下一步。9）训练结束，将权值和阈值保存在文件中。这时可以认为各个权值已经达稳定，分类器形成。再一次进行训练时，直接从文件导出权值和阈值进行训练，不需要进行初始化。2.4卷积神经网络的优点卷积神经网络CNN主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。由于CNN的特征检测层通过训练数据进行学习，所以在使用CNN时，避免了显示的特征抽取，而隐式地从训练数据中进行学习；再者由于同一特征映射面上的神经元权值相同，所以网络可以并行学习，这也是卷积网络相对于神经元彼此相连网络的一大优势。卷积神经网络以其局部权值共享的特殊结构在语音识别和图像处理方面有着独特的优越性，其布局更接近于实际的生物神经网络，权值共享降低了网络的复杂性，特别是多维输入向量的图像可以直接输入网络这一特点避免了特征提取和分类过程中数据重建的复杂度。流的分类方式几乎都是基于统计特征的，这就意味着在进行分辨前必须提取某些特征。然而，显式的特征提取并不容易，在一些应用问题中也并非总是可靠的。卷积神经网络，它避免了显式的特征取样，隐式地从训练数据中进行学习。这使得卷积神经网络明显有别于其他基于神经网络的分类器，通过结构重组和减少权值将特征提取功能融合进多层感知器。它可以直接处理灰度图片，能够直接用于处理基于图像的分类。卷积网络较一般神经网络在图像处理方面有如下优点：a)输入图像和网络的拓扑结构能很好的吻合；b)特征提取和模式分类同时进行，并同时在训练中产生；c)权重共享可以减少网络的训练参数，使神经网络结构变得更简单，适应性更强。3卷积神经网络的应用3.1基于卷积网络的形状识别物体的形状是人的视觉系统分析和识别物体的基础，几何形状是物体的本质特征的表现，并具有平移、缩放和旋转不变等特点，所以在模式识别领域，对于形状的分析和识别具有十分重要的意义，而二维图像作为三维图像的特例以及组成部分，因此二维图像的识别是三维图像识别的基础。物体形状的识别方法可以归纳为如下两类，其中，第一类是基于物体边界形状的识别，这种边界的特征主要有周长、角、弯曲度、宽度、高度、直径等，第二类是基于物体所覆盖区域的形状识别，这种区域的特征主要有面积、圆度、矩特征等，上述两类方法都适用于物体形状的结构或区域的识别。卷积神经网络也是一种基于物体边界形状的识别，它既可以识别封闭形状同时对不封闭形状也有较高的识别率。图3试验用卷积神经网络的结构图Fig.3Thestructureofconvolutionalneuralnetwork图3是所用的网络结构，U0是输入层，Uc4是识别层。Us为特征提取层，Us1的输入是光感受器的像素位图，该层只是提取一些相对简单的像素特征，随后几层的S-元提取一些更为复杂的像素特征，随着层数的增加，提取的特征也相应递增；Uc是特征映射层，提取高阶特征，提取这些高阶特征时不需要提取像简单特征那样的精确位置信息。网络中S-元的闭值是预先设定值，训练时权值的更新基于Fukushima提出的增强型学习规则，如式(2.10)所示，网络的训练方式采用的是无监督学习方式。图4与图5是部分实验样本图图4部分训练样本图Fig.4Partofthetrainingsampleplans图5部分测试样本图Fig.5Partofthetestsampleplans样本分为三角形，四边形，八边形，圆形四类，每类10个共80个样本，实验训练时采用40个样本，测试时采用剩余的40个样本，最终的识别结果如表2所示。表1训练后网络参数Table1Networkparametersaftertraining级数S-层包含的S-面数S-元数第一级1632第二级19290第三级15272第四级789表2识别结果Table3.2Recognitionresults待识别形状识别结果三角形10个全对四边形10个全对八边形10个全对圆形对9个，另一个错识成四边形识别错误样本如图6所示：图6测试出错样本Fig.6Thesampleerrorintest识别错误的原因是由于训练所用样本模式较少，不能覆盖所有的圆形模式，以至于该测试模式输入网络时，与之相近的四边形模式获胜，最终得到错误的输出结果。这里采用卷积神经网络进行形状识别目的主要是为了验证卷积神经网络的模式识别能力，所以虽然采用的样本图片较少，但已经能够说明卷积网。络在形状识别时有较高的识别率和抗畸变性，而识别前的车牌字符由于前期处理(定位、分割)能力的局限性，具有一定的噪声和变形，因此可以将卷积神经网络应用于车牌识别系统。3.2基于卷积网络的人脸检测卷积神经网络与传统的人脸检测方法不同，它是通过直接作用于输入样本，用样本来训练网络并最终实现检测任务的。它是非参数型的人脸检测方法，可以省去传统方法中建模、参数估计以及参数检验、重建模型等的一系列复杂过程。本文针对图像中任意大小、位置、姿势、方向、肤色、面部表情和光照条件的人脸，提出了一种基于卷积神经网络（ConvolutionalNeuralNetworks，简称CNN）的人脸检测方法。设计了一个输入层节点数为400、输出层节点数为2、四层隐藏层的CNN网络。网络结构如图7。图7卷积网络结构Fig.1Thestructureofconvolutionalneuralnetwork输入、输出层的设计：卷积神经网络是一种分层型网络，具有输入层、中间层（隐含层）和输出层的三层结构。对于一个神经网络，中间层可以有两个以上，而具有一个中间层的神经网络则是一种基本的神经网络模型。实验表明，增加隐含层的层数和隐含层神经元的个数不一定能够提高网络的精度和表达能力。使用输入窗口的大小都是20×20，这是通常能使用的最小窗口，这个窗口包含了人脸非常关键的部分。因此，可将输入层节点数设计为400，对应于20×20图像窗口中按行展开的各个像素。考虑到本文使用卷积神经网络是用作分类器，其类别数为2（即人脸和非人脸），所以输出层的节点数为2。隐藏层的设计：隐藏层为四层，分别是图像特征增强的卷积层、数据缩减的子抽样层、和两个激活函数层。其结构如图7所示。设计方法如下：卷积层的设计：信号的卷积运算是信号处理领域中最重要的运算之一。比如，在图像处理、语音识别、地震勘探、超声诊断、光学成像、系统辨识及其他诸多信号处理领域中。卷积运算一个重要的特点就是，通过卷积运算，可以使原信号特征增强，并且降低噪音。在进行人脸检测时使用离散的卷积核，对图像进行处理。由于离散卷积核只需要进行优先次的加法运算，而且是整数运算，没有浮点运算，计算机可以迅速的计算出结果。本文选定的四个卷积核，分别为两个拉普拉斯算子和两个Sobel边缘算子。输入图像分别经过这四个卷积核的卷积得到四个18×18的待测图像。其中拉普拉斯算子是图像的整体特征增强。而Sobel边缘算子则强化了边缘特征。子抽样层的设计：利用图像局部相关性的原理，对图像进行子抽样，可以减少数据处理量同时保留有用信息。本层把卷积层输出的四个图像作为输入，分别进行子抽样运算后输出四个9×9图像。而该图像保留了原图像的绝大部分有用信息。子抽样点的值是原图像相邻四个点的平均值。激活函数层：本层分为两层激活函数层，一层为通过与抽样层输出的四个图像分别进行全连结，得到四个中间输出。第二层为有四个中间结果连接的四个激活函数并与输出层连接，得出网络判断结果。这层有9×9×4＋1×4个激活函数参数需要训练。激励函数的选择：网络的拓扑结构和训练数据确定后，总误差函数就完全由激励函数决定了，因此，激发函数的选择对网络的收敛性具有很重要的作用。对每一个人工神经元来说，它可以接受一组来自系统中其他神经元的输入信号，每个输入对应一个权，所以输入的加权和决定该神经元的激活状态。按照卷积网络算法的要求，这些神经元所用的激活函数必须是处处可导的。在设计基于人工神经网络的分类系统中，不仅网络的结构设计非常重要，而且训练数据的收集也十分重要。在人脸检测系统中除了选择好的人脸样本外同时还要解决从大量非人脸图像中选择非人脸样本的问题。对于人脸样本图像还要进行一些预处理，以消除噪音和光线差异的影响。为了提高网络的健壮性，收集各种不同类型的人脸样本；为了得到更多的样本，并提高旋转不变性和亮度可变性的能力，对初始人脸样本集中的部分图像进行一些变换。然后是关于非人脸样本的收集，这是基于神经网络的检测方法中的一个难题，按照常用的Bootstrap处理方法，可以从大量的图像中收集这些边界样本，同时根据卷积神经网络的特点，做出一些改进，降低随机性，提高了效率。在获得图像数据后，通过一些归一化和预处理步骤，减小图像噪声的影响和消除图像亮度及对比度的差异，提高数据的针对性和鲁棒性，得到统计的方法进行学习处理样本的最基本的特征向量，然后使用这些特征向量训练网络。总结本文首先阐述了卷积神经网络的原理。卷积神经网络是在神经认知机的基础上为了处理模式识别问题而提出的网络。此网络是多层的分级神经网络，每层的神经元都是相同类型的，或简单，或复杂，或是超复杂的神经元，在每层之间都有非常稀少并且固定模式的连接。介绍了基本的卷积神经网络结构及其神经元模型，接着讨论了卷积神经网络的训练过程，当需要的特征已预先确定，那么就采用有监督算法，网络一层一层地学习，反之则进行无监督学习。最后简要的介绍了卷积神经网络在形状识别和人脸检测中的应用。目前，卷积神经网络已经被应用于二维图像处理、模式识别、机器视觉、形状识别、智能交通等领域，并且能够很好的解决各个领域中的问题。参考文献[1]吉林大学,2006.[2]李葆青.基于卷积神经网络的模式分类器[J].大连大学学报,2003,24(2):19-23.[3] SimonHaykin著,叶世伟,史忠植译.神经网络原理[M].北京：机械工业出版社，2004.[4]肖柏旭.基于卷积网络的人脸检测的研究与实现[学位论文].北京:华北电力大学,2009.[5][6] 顾佳玲,彭宏京.增长式卷积神经网络及其在人脸检测中的应用[J].系统仿真学报,2009,21(8):2441-2445.[7]赵志宏,杨绍普,马增强.基于卷积神经网络LeNet-5的车牌字符识别研究[J].系统仿真学报,2010,22(3):638-641.[8]T.H.Hildebrandt,OptimalTrainingofThresholdedLinearCorrelationClassifiers,IEEETransactionsonNeuralNetworksZ(6),PP.577一588,Nov.(1991).[9]K.Fukushima，“Neocognitron:Aself-organizingneural-networkmodelforaMechanismofPatternrecognitionunaffectedbyshiftinposition，Biol.Cybern.，vol.36，pp.193一202，1980.[10]C.Neubauer，Shape,positionandsizeinvariantvisualpatternrecognitionbasedonprinciplesofneocognitronandperceptioninArtificialNeuralNetworks，1.AlexanderandJ.Taylor，Eds.AmsterdamtheNetherlands:North一Holland，vol.2，1992，PP.833一837.[11]D.Lovell，etal.，Commentson“OptimalTrainingofThresholdedLinearCorrelationClassifiers”,IEEETrans.OnNeuralNetworks4(2),PP.367一369,March(1993).[12]K.Fukushima，“Analysisoftheprocessofvisualpatternrecognitionbytheneocognitron，”NeuralNetworks，vol.2，pp.413-421，1989[13]VanOoyenandB.Nienhuis，PatternRecognitionintheNeocognitronIsImproved一byNeuronalAdaption，BiologicalCyberneties70,pp.47-53(1993).[14]石大明，刘海涛，舒文豪.结合进化计算的神经认知机.计算机学报[J」，2001，24(5):468一473[15]ClausNeubauer.Evaluationof’ConvolutionalNeuralNetworksforVisualRecognition，NeuralNetwoks，vol.9，no.4，pp.685-696(1998)[16]K.FukushimaandM.Tanigawa,“Useofdifferentthresholdsinlearningandrecognition，”NeuroeomPuting，vol.11，pp.1-17，1996.[17]G.W.Cottrell，“EMPATH:Face，emotion，andgenderrecognitionusingholons，”inAdvancesinNeuralInformationProcessingSys[18]H.BourlardandY.Kamp，“Autoassoziationbymultilayerperceptronsandsingularvaluedecomposition，”Biol.Cybern.，vol.59，pp.291-294，1988.[19]洪家荣，李星原.Neocognitron学习算法分析.软件学报[J]，1994，5，(4):35-39[20]FukushimaK.Ahierarchicalneuralnetworkcapableofvisualpatternrecognition.NeuralNetworks，1989:2:413-420[21]Y.Bengio.YLeCun，andD.Henderson，“GloballyTrainedHandwrittenWordRecognizerusingSpatialRepresentation,ConvolutionalNeuralNetworksandHiddenMarkovModelsinAdvancesinNeuralInformationProcessingSystems，JackD.Cowan，GeraldTesauro，andJoshuaAlsPector，Eds.1994，vol.6，PP.937一944，MorganKaufmannPublishers，Inc.[22]张佳康,陈庆奎.基于CUDA技术的卷积网络识别算法.计算机工程[J],2010,36(51):179-181.[23]肖柏旭,张丽静.基于分流抑制机制的卷积神经网络人脸检测法.计算机应用[J],2006,26:46-48.[24]苏松志.复杂背景下的行人检测技术研究[学位论文].厦门:厦门大学,2008.ConvolutionNeuralNetworkAbstract:Convolutionneuralnetworkisanefficientrecognitionalgorithmwhichiswidelyusedinpatternrecognition,imageprocessingandotherfieldsrecentyears.Ithasasimplestructure,fewtrainingparametersandgoodadaptabilityandotheradvantages.Inthispaper,beginwiththehistoryofconvolutionalneuralnetworks,describesthestructureofconvolutionalneuralnetwork,neuronmodelsandtrainingalgorithmsindetail.Onthisbasis,usestheapplicationsofconvolutionalneuralnetworkinfacedetectionandshaperecognitionasexamples,introducestheapplicationsofconvolutionneuralnetworkinengineering,andgivesdesignideasandnetworkstructure.Keywords：Model;TrainingAlgorithm;Advantage;Facedetection;Shaperecognition内容总结

（1）卷积神经网络

摘要：卷积神经网络是近年来广泛应用于模式识别、图像处理等领域的一种高效识别算法，它具有结构简单、训练参数少和适应性强等特点

（2）考虑到本文使用卷积神经网络是用作分类器，其类别数为2（即人脸和非人脸），所以输出层的节点数为2

（3）设计方法如下：

卷积层的设计：信号的卷积运算是信号处理领域中最重要的运算之一

附录资料:不需要的可以自行删除中西药养护技术与方法药品养护-药品养护的概念

药品养护是运用现代科学技术与方法，研究药品储存养护技术和储存药品质量变化规律，防止药品变质，保证药品质量，确保用药安全、有效的一门实用性技术科学。

药品养护-药品养护的基本要求

各种药品的功能是由药物本身性质所决定的，每种药物的内在成分与其他物质一样，时刻在不断运动和变化，这就构成了它在贮藏期间引起变化的内在因素，加上自然条件的影响，必然发生物理、化学以及生物学等变化。而这些相互影响又互为关联的变化，要求人们不仅要了解掌握药品内在质变的形式。同时还需要了解自然条件（如温度、湿度、空气等）变化的规律。

药品养护的各项工作内容都应围绕保证药品储存质量为目标。其主要工作内容有：检查控制在库药品的储存条件，对药品进行定期质量检查，对发现的问题及时采取有效的处理措施。

药品养护是一项涉及到质量管理、仓储保管、业务经营等方面的综合性工作，按照工作性质及岗位职责的不同，要求各相关岗位必须相互协调与配合，保证药品养护工作的有效开展。

质量管理人员负责对药品养护人员进行业务指导，审定药品养护工作计划，确定重点养护品种，对药品养护人员上报的质量问题进行分析并确定处理措施，对养护工作的开展情况实施监督考核。

养护人员负责指导保管人员对药品进行合理储存，定期检查在库药品储存条件及库存药品质量，针对药品的储存特性采取科学有效的养护方法，定期汇总、分析和上报药品养护质量信息，负责验收养护储存仪器设备的管理工作，建立药品养护档案。

药品的储存质量是受储存环境和药品性状的制约和影响。在实际工作中，应根据经营药品的品种结构、药品储存条件的要求、自然环境的变化、监督管理的要求，在确保日常养护工作有效开展的基础上，将部分药品确定为重点养护品种，采取有针对性的养护方法。

重点养护品种范围一般包括：主营品种、首营品种、质量性状不稳定的品种、有特殊储存要求的品种、储存时间较长的品种、近期内发生过质量问题的品种及药监部门重点监控的品种。

养护员按照“三三四”原则，每月对在库药品质量（药店陈列药品）进行巡回检查，并做好养护检查记录。

（三三四原则全称应该叫做：三三四药品质量循环检查法。方法是将在库药品分为A、B、C3类，每类分别占总库存的30%、30%、40%左右，然后每个月检查一类，3个月就可将在库药品检查完一遍，总计1年检查4遍。）

中药的采购与贮藏与养护

第一节中药饮片的采购和验收

验收药品应当做好验收记录，包括药品的通用名称、剂型、规格、批准文号、批号、生产日期、有效期、生产厂商、供货单位、到货数量、到货日期、验收合格数量、验收结果等内容。验收人员应当在验收记录上签署姓名和验收日期。

中药材验收记录应当包括品名、产地、供货单位、到货数量、验收合格数量等内容。中药饮片验收记录应当包括品名、规格、批号、产地、生产日期、生产厂商、供货单位、到货数量、验收合格数量等内容，实施批准文号管理的中药饮片还应当记录批准文号。

第二节中药的质量变异现象

一、饮片贮存中常见的质量变异现象

1.虫蛀：含淀粉、糖、脂肪、蛋白质

大黄、白芷、桑螵蛸、北沙参、娑罗子、前胡

虫蛀大白纸，桑蛸杀娑湖

2.泛油：含挥发油：当归、丁香

含脂肪油：柏子仁、桃仁、杏仁

含糖：牛膝、麦冬、天冬、熟地、黄精

白（柏）杏归香桃，二冬赎（熟）精牛

3.霉变：陈皮、独活、前胡、佛手

4.变色

由浅变深：泽泻、白芷、山药、天花粉

由深变浅：黄芪、黄柏

由鲜艳变暗淡：红花、菊花、金银花、腊梅花

5.气味散失：肉桂、沉香、豆蔻、砂仁

6.风化：胆矾、硼砂、芒硝

7.潮解：青盐、咸秋石、芒硝

8.粘连：芦荟、没药、乳香、阿魏、鹿角胶、龟甲胶

9.腐烂：鲜类药

二、中成药贮存中常见质量变异现象

虫蛀：蜜丸、水丸、散剂、茶曲剂

霉变：蜜丸、膏滋、片剂

酸败：合剂、酒剂、煎膏剂、糖浆剂、软膏剂

挥发：芳香水剂、酊剂

沉淀：药酒、口服液、针剂

第三节引起中药质量变异的因素

一、自身因素（6个）

1.水分---高：虫蛀、霉烂、潮解、软化、粘连

低：风化、走味、泛油、干裂、脆化

2.淀粉---虫蛀、霉变

3.黏液质---发霉、生虫

4.油脂---产生异味：桃仁、杏仁

引起酸败现象：刺猬皮、狗肾

5.挥发油---气味散失：白芷、当归、荆芥、薄荷、肉桂、樟脑、姜黄、山奈

6.色素---发霉变色：月季花、玫瑰花

二、环境因素（8个）

1.温度---生虫、发霉；水分蒸发；气味散失；成分变化；酸败泛油；黏结成块

2.湿度---贮存仓库的相对湿度最好控制在70%以下

---高：吸潮变质；低：风化

3.日光---变色、气味散失、挥发、风化、泛油

4.空气---泛油、虫蛀、霉变

5.霉菌---霉变、腐烂变质

6.害虫---虫蛀

7.包装容器

8.贮存时间

第四节中药的贮存与养护

一、中药材和饮片的贮藏

■饮片库房室温控制在25℃以下，相对湿度75%以下

■阴凉干燥处：含挥发油类（薄荷、当归、川芎、荆芥）

■凉爽处：矿物类（硼砂、芒硝）

■石灰保存：牛黄、人参

■易燃物品：硫黄、火硝、樟脑

■毒性药品：单独存放

■密封保存：动物类、矿物类

二、中药材和饮片的养护

1.传统养护技术（6个）

清洁养护法、除湿养护法、密封（密闭）养护法、低温养护法、对抗同贮法、高温养护法

■清洁养护法：清洁卫生是防止仓虫入侵的最基本和最有效的方法

■除湿养护法：

1.通风法

2.吸湿防潮法：生石灰块、无水氯化钙

■密封（密闭）养护法：是贮藏的基本方法

■低温养护法：2～10℃，具有防霉、防虫、防变色、防走油，主要用于贵重药材保存，如哈蟆油、银耳、人参、菊花、陈皮、山药、枸杞子（＜-4℃可使害虫致死）

■高温同贮法：可有效防治虫害的侵袭。高于40℃害虫停止发育，高于50℃，害虫将在短时间死亡。含挥发油的饮片烘烤温度不宜超过60℃

对抗同贮法

2.现代养护技术（8个）

干燥养护技术

气调养护技术

60Co-γ射线辐射杀虫灭菌养护技术

包装防霉养护法

气幕防潮养护技术

蒸气加热养护技术

气体灭菌养护技术

中药挥发油熏蒸防霉技术

三、中成药的养护

应密闭贮存：散剂、胶剂、膏药、软膏、鼻用制剂、栓剂、凝胶剂

应密封贮存：丸剂、片剂、煎膏剂、合剂、颗粒剂、胶囊剂、糖浆剂、注射剂、酒剂、露剂

温度低于30℃的剂型：胶囊剂、栓剂

遮光：软膏剂、注射剂、酊剂、流浸膏与浸膏剂、凝胶剂、眼用制剂

四、中国药典凡例

遮光：用不透光的容器包装

密闭：防止尘土及异物进入

密封：防止风化、吸潮、挥发或异物进入

熔封或严封：防止空气和水分侵入，防止污染

阴凉处：不超过20℃

凉暗处：避光并不超过20℃

冷处：2～10℃

常温：10～30℃

检查日期、药品名称、剂型、规格、单位、数量、生产厂家、批号、批准文号、有效期、质量状况、养护措施、处理结果。

养护员：

表格中除：检查日期、质量状况、养护措施、处理结果、养护员栏要手工填写外，其余电脑自动可生成。

检查日期：从打印时间开始填写至下月几号为止，看有多少页平均后连续填写时间也可，但不能填写一样的时间；

质量状况：填写“无异常”；

养护措施：可填写“效期催销”、“翻垛”、“通风”等，视具体需要养护情况而定；

处理结果：“继续销售”；

养护员：要签完整名字。

二）养护工作的具体实施

1、养护储存的合理性

药品养护员在日常管理过程中，应对在库药品的分类储存、货垛码放、垛位间距、色标管理等工作内容进行巡查，及时纠正发现的问题，确保药品按规定的要求合理储存。

2、仓储条件监测与控制

药品仓储条件的监测与控制内容主要包括：库内温湿度、药品储存设备的适宜性，药品避光和防鼠等措施的有效性、安全措施的运行状态。

为保证各类库房的温、湿度符合规定的要求，仓库保管人员要在养护员的指导下，有效地对库房温、湿度条件进行动态监测和管理，发现库房温湿度超出规定范围或接近临界值时，或接近临界值时，应及时采取通风、降温、除湿、保温等措施进行有效调控，并予以记录。对库房的温、湿度条件应定时进行观察记录，一般每日上、下午各一次。

为确保仓库温湿度条件的全天候监控，药品控制企业在节假日也应安排值班人员，对仓库的储存条件进行监控。

3、库存药品质量的循环检查

养护员应按照规定的方法和要求，定期对库存药品的质量状况进行循环检查，循环养护检查一般按季度进行。购进药品应在入库后三个月起进行第一次库存药品检查。养护时应做好养护记录，对养护中的药品质量状况进行准确的记录。

当气候条件出现异常变化，遇高温、严寒、雨季或发现药品有质量变化迹象时，应由质量管理部组织有关人员或全面检查；为避免漏查，应严格规定检查顺序，如：按每个货架、货垛顺时针检查等；主要检查内容包括包装情况、外观性状，对易变质药品、储存期较长、近效期不足一年的药品或其它应检查的药品，应按规定的程序和要求进行有效的管理。

4、养护中发现质量问题的处理

药品养护中发现的问题一般包括技术操作、设施设备、药品质量等方面的内容，养护员应对发现的问题进行认真的分析，及时上报质量管理部核实、处理，按照质量管理部的要求，采取措施对质量管理过程实施改进，从而有效地控制药品储存质量。

养护员对养护过程中发现的药品质量问题，应悬挂醒目的黄色标牌，并暂停发货，上报质量管理机构进行处理。

（三）药品养护档案与信息

为给药品养护工作提供系统、全面的管理依据，不断提高药品养护的技术水平，企业应针对重点养护品种建立药品养护档案，收集、分析、传递养护过程中的信息资料，从而保证药品养护质量系统的有效运行。

1、药品养护档案

企业应结合仓储管理的实际，本着"以保证药品质量为前提，以服务业务经营需要为目标"的原则，针对重点养护品种建立药品重点养护品种建立药品养护档案。药品养护档案是在一定的经营周期内，对药品储存质量的稳定性进行连续观察与监控，总结养护经验，改进养护方法，积累技术资料的管理手段。其内容包括药品的基本质量信息、观察周期内对药品储存质量的追踪记录、有关问题的处理情况等。药品养护档案的品种应根据业务经营活动的变化，及时调整，一般应按年度调整确定。

2、养护质量信息

按照GSP规定，药品养护人员应定期汇总、分析和上报养护检查、近效期或长时间储存的药品的质量信息。以便质量管理部门和业务部门及时、全面地掌握储存药品质量信息，合理调节库存药品的数量，保证经营药品符合质量要求，其报告内容应汇总该经营周期内经营品种的结构、数量、批次等项目，统计并分析储存养护工程中发现的质量问题的相关指标，如质量问题产生的原因、比率，进而提出养护工作改进的措施及目标。

（四）、影响药品质量的因素

1、影响药品质量的内在因素

a、易水解的药品当药品的化学结构中含有酯、酰胺、酰肼、醚、苷键时，易发生水解反应。如青霉素的分子中含有β-内酰胺环，在酸性、中性或碱性溶液中易发生分解反应和分子重排反应，其分解产物与分子重排物均无抗菌作用。故青霉素只能制成粉末，严封于容器中贮藏。

b、易被氧化的药品当药品的化学结构中含有酚羟基、巯基、香胺、不饱和碳键、醇、醚、醛、吡唑酮、吩噻嗪等基团时，易发生氧化反应。如氯丙嗪属于吩噻嗪类化合物，在日光、空气、湿气的作用下易变质失效，故应遮光，密封保存。

2、药品的物理性质与质量的关系

a、挥发性系指液态药品能变为气态扩散到空气中的性质。具有挥发性的药品如果包装不严或贮存时的温度过高，可造成挥发减量，如乙醇、薄荷等在常温下即有强烈的挥发性，还可以引起燃烧和爆炸。

b、吸湿性系指药品自外界空气中不同程度地吸附水蒸气的性质。药品的吸湿性并不限于水溶性药品，某些高分子药品和水不溶性药品同样可以吸湿,但当含有少量的氯化镁等杂质时，则表现出显著的吸湿性。

c、吸附性药品能够吸收空气中的有害气体或特殊臭气的性质被称为药品的吸附性。例如淀粉、药用碳、滑石粉等因表面积大而具有显著的吸附作用从而使本身具有被吸附气体的气味，亦称"串味"。

d、冻结性以水或乙醇作溶剂的一些液体药品遇冷可凝结成固体，这种固体会导致药品的体积膨胀而引起容器破裂。

e、风化性有些含结晶水的药品在干燥空气中易失去全部或部分结晶水，变成白色不透明的晶体或粉末，称为"风化"。风化后的药品的药效虽然未变，但影响使用的准确性,尤其是一些毒性较大的药品可因此而超过剂量，造成医疗事故。

f、色、嗅、味药品色、嗅、味是药品重要的外观性状，也是药品的物理性质之一，当色、嗅、味发生变化时，经常意味着药品性质发生了变化，所以它们是保管人员实施感官检查的重要根据。如维生素C片由白变黄，是由于发生了氧化反应；阿司匹林片出现针状结晶或浓厚的醋酸味，是由于因吸湿而发生水解反应，产生了水杨酸和乙酸；某些药品的异臭、异味可能是微生物所引起发酵、腐败等。

此外，药品的熔化性、溶解性等均是影响药品质量的内在因素。

2、影响药品质量的外在因素

影响药品质量的外在因素很多，这些因素对药品的影响往往是几种因素同时进行或交叉进行，互相促进、互相作用而加速药品的变质和失效。因此，我们所采取的保管措施也应是综合性的。

（1）、空气

空气是不同气体的混合物，主要成分是氮、氧、二氧化碳以及氩、氖、氪、氙等稀有元素。此外，空气中还含有水蒸气、二氧化碳和尘埃等。在被污染的空气中还混杂有二氧化硫、硫化氢、氨、氯化氢等有害气体。与药品的质量有关的主要是氧、二氧化碳。

a、氧

许多具有还原性药品，可被空气中的氧所氧化，发生分解、变色、变质，甚至产生毒性。如异丙肾上腺素被氧化后，可由白色变为粉红色，此时即不可供药用。

b、二氧化碳

空气中的二氧化碳可使某些药品因发生碳酸化而变质。如某些氢氧化物和氧化物易吸收二氧化碳而生成碳酸盐；磺胺类钠盐与二氧化碳作用后，可生成难溶于水的游离磺胺而结晶析出。

（2）、温度

温度在药品的保管养护中是重要条件之一，它与湿度有密切的关系，干燥的固体药品受温度影响的程度远比吸潮或呈液体状态的药品小的多。

a、温度升高可加速药品的变质如生物制品、血液制品在室温下保管容易失效，需要低温冷藏（2~10℃）；可加速药品的挥发与风化如咖啡因可失去分子中的结晶水；可破坏药品的剂型如可使栓剂、胶囊剂软化变形，使糖衣片粘连，使软膏剂熔化分层等。

b、温度过低可使一些生物制品、含蛋白制剂、乳剂及胶体制剂析出沉淀或变性分层，如甲醛溶液在9℃以下易聚合成为多聚甲醛而使溶液呈现混浊或析出白色沉淀；可使许多液体制剂析出结晶，其中一些药品因结晶而失效，如葡萄糖酸钙注射液等饱和溶液久置冷处易析出结晶不再溶解，而不能药用；可致容器因药液体积增加而破裂等。

（3）、湿度

湿度是药品养护的重要条件之一，湿度过高或过低均引起许多药品发生变性。

a、潮解

如钠盐吸湿性较大，最易发生潮解；一些不溶于水的药品如活性碳及干燥氢氧化铝等也可因物理吸附作用而潮解；胃蛋白酶、胰酶等易于吸湿结成团块。

b、稀释

一些具有吸水性的液体药品如甘油、乳酸等再潮湿环境汇总易吸收水分而被稀释，从而使浓度降低，影响药效。

c、水解

有些药品因吸潮而分解变质，如阿司匹林易吸湿而水解生成乙酸和水杨酸，不但毒性增加，而且对胃肠道的刺激也增加。

（4）、光线

紫外线是药品发生分解、氧化、还原、水解等化学反应的催化剂之一。如肾上腺素受到光照的影响可发生氧化反应逐渐变成红色至棕色，使疗效降低或失效；又如氧化氢溶液分解为氧和水等。在很多情况下，光线并不是孤立的发生作用，而是经常伴随空气中的氧、水分、温度等因素同时进行。所以，对光敏感的药品，应密闭于凉暗处保存。

（5）、微生物于昆虫

微生物（细菌、霉菌、酵母菌）和昆虫，很容易进入包装不严的药品内，它们的生长、繁殖是造成药品腐败、发酵、蛀蚀等变质现象的一个主要原因。尤其是一些含有营养物质（如淀粉、糖、蛋白质、脂肪等）的制剂，如糖浆剂、片剂几一些中草药制剂更易发生霉变和虫蛀。

（6）、时间

药品贮存一定时间以后就会变质。尤其是一些有效期药品，即使贮存条件适宜，久存也易降低效价，如抗生素、生物制品等；一些暂时没有制定有效期的药品，如乳剂、水剂、栓剂等一些性质不稳定的药品，时间长了也会变质。有的药品贮存一段时间后，外观上无变化，但含量或效价降低而不能药用。

除了上述因素以外，尚有药品的包装容器及材料等因素也可对药品的质量发生影响

中药重点养护品种目录

易生虫饮片如下：

党参，人参，南沙参，冬虫夏草，当归，独活，白芷，防风，板蓝根，甘遂，生地，泽泻，全瓜蒌，枸杞子，大皂角，桑椹，龙眼肉，核桃仁，莲子芯，苡米，杏仁，青风藤，桑白皮，鹿茸，蕲蛇，鸡内金，菊花，金银花，凌霄花，北沙参，防己，莪术，贝母，金果榄，佛手，陈皮，砂仁，酸枣仁，红花，闹羊花，蒲黄，芫花，蝉蜕，黄柏，狗肾，广地龙，甘草，黄芪，山药，天花粉，桔梗，灵芝，猪苓，茯苓，水蛭，僵蚕，蜈蚣，乌药，葛根，丹参，何首乌，赤芍，苦参，延胡索，升麻，大黄，肉豆蔻，淡豆豉，柴胡，地榆

易发霉饮片：

天门冬，怀牛膝，独活，玉竹，黄精，白果，橘络，全瓜蒌，山萸肉，莲子芯，枸杞子，大枣，马齿笕，大小蓟，大青叶，桑叶，蛤士蟆，鹿筋，狗肾，水獭肝，哈蚧，黄柏，白鲜皮，川槿皮，人参，党参，当归，毛知母，紫箢，菊花，红花，金银花，白及，云木香，五味子，洋金花，蝼蛄，地龙，蕲蛇，蜈蚣，甘草，葛根，山奈，青皮，芡实，薏苡仁，栀子

易泛油饮片：

独活，火麻仁，核桃仁，榧子，千金子，当归，怀牛膝，巴豆，狗肾，云木香，龙眼肉，桔核，杏仁，蝼蛄，紫河车，前胡，川芎，白术，苍术

易变色饮片：

月季花，梅花，玫瑰花，款冬花，红花，山茶花，金银花，扁豆花，橘络，佛手，通草，麻黄

易失去气味饮片：

藿香，香薷，紫苏，薄荷，佩兰，荆芥，细辛肉桂，花椒，月季花，玫瑰花，吴茱萸，八角茴香，丁香，檀香，沉香，厚扑，独活，当归。

易升华，软化融化类饮片：

（1）易升华类：樟脑，薄荷脑，冰片

（2）易软化融化类：松香，芦荟，阿魏，猪胆膏，安息香，乳香，没药

（3）苏合香。

易风化，潮解类饮片：

易风化类：硼砂，白矾，绿矾，芒硝，胆矾

易潮解类：芒硝，火青盐，绿矾，硼砂，咸秋石，盐附子，全蝎，海藻，昆布内容总结

（1）药品养护-药品养护的概念

药品养护是运用现代科学技术与方法，研究药品储存养护技术和储存药品质量变化规律，防止药品变质，保证药品质量，确保用药安全、有效的一门实用性技术科学

（2）中药材验收记录应当包括品名、产地、供货单位、到货数量、验收合格数量等内容

附录资料:不需要的可以自行删除中西药养护技术与方法药品养护-药品养护的概念

药品养护是运用现代科学技术与方法，研究药品储存养护技术和储存药品质量变化规律，防止药品变质，保证药品质量，确保用药安全、有效的一门实用性技术科学。

药品养护-药品养护的基本要求

各种药品的功能是由药物本身性质所决定的，每种药物的内在成分与其他物质一样，时刻在不断运动和变化，这就构成了它在贮藏期间引起变化的内在因素，加上自然条件的影响，必然发生物理、化学以及生物学等变化。而这些相互影响又互为关联的变化，要求人们不仅要了解掌握药品内在质变的形式。同时还需要了解自然条件（如温度、湿度、空气等）变化的规律。

药品养护的各项工作内容都应围绕保证药品储存质量为目标。其主要工作内容有：检查控制在库药品的储存条件，对药品进行定期质量检查，对发现的问题及时采取有效的处理措施。

药品养护是一项涉及到质量管理、仓储保管、业务经营等方面的综合性工作，按照工作性质及岗位职责的不同，要求各相关岗位必须相互协调与配合，保证药品养护工作的有效开展。

质量管理人员负责对药品养护人员进行业务指导，审定药品养护工作计划，确定重点养护品种，对药品养护人员上报的质量问题进行分析并确定处理措施，对养护工作的开展情况实施监督考核。

养护人员负责指导保管人员对药品进行合理储存，定期检查在库药品储存条件及库存药品质量，针对药品的储存特性采取科学有效的养护方法，定期汇总、分析和上报药品养护质量信息，负责验收养护储存仪器设备的管理工作，建立药品养护档案。

药品的储存质量是受储存环境和药品性状的制约和影响。在实际工作中，应根据经营药品的品种结构、药品储存条件的要求、自然环境的变化、监督管理的要求，在确保日常养护工作有效开展的基础上，将部分药品确定为重点养护品种，采取有针对性的养护方法。

重点养护品种范围一般包括：主营品种、首营品种、质量性状不稳定的品种、有特殊储存要求的品种、储存时间较长的品种、近期内发生过质量问题的品种及药监部门重点监控的品种。

养护员按照“三三四”原则，每月对在库药品质量（药店陈列药品）进行巡回检查，并做好养护检查记录。

（三三四原则全称应该叫做：三三四药品质量循环检查法。方法是将在库药品分为A、B、C3类，每类分别占总库存的30%、30%、40%左右，然后每个月检查一类，3个月就可将在库药品检查完一遍，总计1年检查4遍。）

中药的采购与贮藏与养护

第一节中药饮片的采购和验收

验收药品应当做好验收记录，包括药品的通用名称、剂型、规格、批准文号、批号、生产日期、有效期、生产厂商、供货单位、到货数量、到货日期、验收合格数量、验收结果等内容。验收人员应当在验收记录上签署姓名和验收日期。

中药材验收记录应当包括品名、产地、供货单位、到货数量、验收合格数量等内容。中药饮片验收记录应当包括品名、规格、批号、产地、生产日期、生产厂商、供货单位、到货数量、验收合格数量等内容，实施批准文号管理的中药饮片还应当记录批准文号。

第二节中药的质量变异现象

一、饮片贮存中常见的质量变异现象

1.虫蛀：含淀粉、糖、脂肪、蛋白质

大黄、白芷、桑螵蛸、北沙参、娑罗子、前胡

虫蛀大白纸，桑蛸杀娑湖

2.泛油：含挥发油：当归、丁香

含脂肪油：柏子仁、桃仁、杏仁

含糖：牛膝、麦冬、天冬、熟地、黄精

白（柏）杏归香桃，二冬赎（熟）精牛

3.霉变：陈皮、独活、前胡、佛手

4.变色

由浅变深：泽泻、白芷、山药、天花粉

由深变浅：黄芪、黄柏

由鲜艳变暗淡：红花、菊花、金银花、腊梅花

5.气味散失：肉桂、沉香、豆蔻、砂仁

6.风化：胆矾、硼砂、芒硝

7.潮解：青盐、咸秋石、芒硝

8.粘连：芦荟、没药、乳香、阿魏、鹿角胶、龟甲胶

9.腐烂：鲜类药

二、中成药贮存中常见质量变异现象

虫蛀：蜜丸、水丸、散剂、茶曲剂

霉变：蜜丸、膏滋、片剂

酸败：合剂、酒剂、煎膏剂、糖浆剂、软膏剂

挥发：芳香水剂、酊剂

沉淀：药酒、口服液、针剂

第三节引起中药质量变异的因素

一、自身因素（6个）

1.水分---高：虫蛀、霉烂、潮解、软化、粘连

低：风化、走味、泛油、干裂、脆化

2.淀粉---虫蛀、霉变

3.黏液质---发霉、生虫

4.油脂---产生异味：桃仁、杏仁

引起酸败现象：刺猬皮、狗肾

5.挥发油---气味散失：白芷、当归、荆芥、薄荷、肉桂、樟脑、姜黄、山奈

6.色素---发霉变色：月季花、玫瑰花

二、环境因素（8个）

1.温度---生虫、发霉；水分蒸发；气味散失；成分变化；酸败泛油；黏结成块

2.湿度---贮存仓库的相对湿度最好控制在70%以下

---高：吸潮变质；低：风化

3.日光---变色、气味散失、挥发、风化、泛油

4.空气---泛油、虫蛀、霉变

5.霉菌---霉变、腐烂变质

6.害虫---虫蛀

7.包装容器

8.贮存时间

第四节中药的贮存与养护

一、中药材和饮片的贮藏

■饮片库房室温控制在25℃以下，相对湿度75%以下

■阴凉干燥处：含挥发油类（薄荷、当归、川芎、荆芥）

■凉爽处：矿物类（硼砂、芒硝）

■石灰保存：牛黄、人参

■易燃物品：硫黄、火硝、樟脑

■毒性药品：单独存放

■密封保存：动物类、矿物类

二、中药材和饮片的养护

1.传统养护技术（6个）

清洁养护法、除湿养护法、密封（密闭）养护法、低温养护法、对抗同贮法、高温养护法

■清洁养护法：清洁卫生是防止仓虫入侵的最基本和最有效的方法

■除湿养护法：

1.通风法

2.吸湿防潮法：生石灰块、无水氯化钙

■密封（密闭）养护法：是贮藏的基本方法

■低温养护法：2～10℃，具有防霉、防虫、防变色、防走油，主要用于贵重药材保存，如哈蟆油、银耳、人参、菊花、陈皮、山药、枸杞子（＜-4℃可使害虫致死）

■高温同贮法：可有效防治虫害的侵袭。高于40℃害虫停止发育，高于50℃，害虫将在短时间死亡。含挥发油的饮片烘烤温度不宜超过60℃

对抗同贮法

2.现代养护技术（8个）

干燥养护技术

气调养护技术

60Co-γ射线辐射杀虫灭菌养护技术

包装防霉养护法

气幕防潮养护技术

蒸气加热养护技术

气体灭菌养护技术

中药挥发油熏蒸防霉技术

三、中成药的养护

应密闭贮存：散剂、胶剂、膏药、软膏、鼻用制剂、栓剂、凝胶剂

应密封贮存：丸剂、片剂、煎膏剂、合剂、颗粒剂、胶囊剂、糖浆剂、注射剂、酒剂、露剂

温度低于30℃的剂型：胶囊剂、栓剂

遮光：软膏剂、注射剂、酊剂、流浸膏与浸膏剂、凝胶剂、眼用制剂

四、中国药典凡例

遮光：用不透光的容器包装

密闭：防止尘土及异物进入

密封：防止风化、吸潮、挥发或异物进入

熔封或严封：防止空气和水分侵入，防止污染

阴凉处：不超过20℃

凉暗处：避光并不超过20℃

冷处：2～10℃

常温：10～30℃

检查日期、药品名称、剂型、规格、单位、数量、生产厂家、批号、批准文号、有效期、质量状况、养护措施、处理结果。

养护员：

表格中除：检查日期、质量状况、养护措施、处理结果、养护员栏要手工填写外，其余电脑自动可生成。

检查日期：从打印时间开始填写至下月几号为止，看有多少页平均后连续填写时间也可，但不能填写一样的时间；

质量状况：填写“无异常”；

养护措施：可填写“效期催销”、“翻垛”、“通风”等，视具体需要养护情况而定；

处理结果：“继续销售”；

养护员：要签完整名字。

二）养护工作的具体实施

1、养护储存的合理性

药品养护员在日常管理过程中，应对在库药品的分类储存、货垛码放、垛位间距、色标管理等工作内容进行巡查，及时纠正发现的问题，确保药品按规定的要求合理储存。

2、仓储条件监测与控制

药品仓储条件的监测与控制内容主要包括：库内温湿度、药品储存设备的适宜性，药品避光和防鼠等措施的有效性、安全措施的运行状态。

为保证各类库房的温、湿度符合规定的要求，仓库保管人员要在养护员的指导下，有效地对库房温、湿度条件进行动态监测和管理，发现库房温湿度超出规定范围或接近临界值时，或接近临界值时，应及时采取通风、降温、除湿、保温等措施进行有效调控，并予以记录。对库房的温、湿度条件应定时进行观察记录，一般每日上、下午各一次。

为确保仓库温湿度条件的全天候监控，药品控制企业在节假日也应安排值班人员，对仓库的储存条件进行监控。

3、库存药品质量的循环检查

养护员应按照规定的方法和要求，定期对库存药品的质量状况进行循环检查，循环养护检查一般按季度进行。购进药品应在入库后三个月起进行第一次库存药品检查。养护时应做好养护记录，对养护中的药品质量状况进行准确的记录。

当气候条件出现异常变化，遇高温、严寒、雨季或发现药品有质量变化迹象时，应由质量管理部组织有关人员或全面检查；为避免漏查，应严格规定检查顺序，如：按每个货架、货垛顺时针检查等；主要检查内容包括包装情况、外观性状，对易变质药品、储存期较长、近效期不足一年的药品或其它应检查的药品，应按规定的程序和要求进行有效的管理。

4、养护中发现质量问题的处理

药品养护中发现的问题一般包括技术操作、设施设备、药品质量等方面的内容，养护员应对发现的问题进行认真的分析，及时上报质量管理部核实、处理，按照质量管理部的要求，采取措施对质量管理过程实施改进，从而有效地控制药品储存质量。

养护员对养护过程中发现的药品质量问题，应悬挂醒目的黄色标牌，并暂停发货，上报质量管理机构进行处理。

（三）药品养护档案与信息

为给药品养护工作提供系统、全面的管理依据，不断提高药品养护的技术水平，企业应针对重点养护品种建立药品养护档案，收集、分析、传递养护过程中的信息资料，从而保证药品养护质量系统的有效运行。

1、药品养护档案

企业应结合仓储管理的实际，本着"以保证药品质量为前提，以服务业务经营需要为目标"的原则，针对重点养护品种建立药品重点养