卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)摘要：卷積神經(jīng)網(wǎng)絡(luò)是近年來(lái)廣泛應(yīng)用于模式識(shí)別、圖像處理等領(lǐng)域的一種高效識(shí)別算法，它具有結(jié)構(gòu)簡(jiǎn)單、訓(xùn)練參數(shù)少和適應(yīng)性強(qiáng)等特點(diǎn)。本文從卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史開始，詳細(xì)闡述了卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)、神經(jīng)元模型和訓(xùn)練算法。在此基礎(chǔ)上以卷積神經(jīng)網(wǎng)絡(luò)在人臉檢測(cè)和形狀識(shí)別方面的應(yīng)用為例，簡(jiǎn)單介紹了卷積神經(jīng)網(wǎng)絡(luò)在工程上的應(yīng)用，并給出了設(shè)計(jì)思路和網(wǎng)絡(luò)結(jié)構(gòu)。關(guān)鍵字：模型；結(jié)構(gòu)；訓(xùn)練算法；人臉檢測(cè)；形狀識(shí)別0引言卷積神經(jīng)網(wǎng)絡(luò)是人工神經(jīng)網(wǎng)絡(luò)的一種已成為當(dāng)前語(yǔ)音分析和圖像識(shí)別領(lǐng)域的研究熱點(diǎn)，它的權(quán)值共享網(wǎng)絡(luò)結(jié)構(gòu)使之更類似于生物神經(jīng)網(wǎng)絡(luò)，降低了網(wǎng)絡(luò)模型的復(fù)雜度，減少了權(quán)值的數(shù)量。該優(yōu)點(diǎn)在網(wǎng)絡(luò)的輸入是多維圖像時(shí)表現(xiàn)的更為明顯，使圖像可以直接作為網(wǎng)絡(luò)的輸入，避免了傳統(tǒng)識(shí)別算法中復(fù)雜的特征提取和數(shù)據(jù)重建過(guò)程。卷積網(wǎng)絡(luò)是為識(shí)別二維形狀而特殊設(shè)計(jì)的一個(gè)多層感知器，這種網(wǎng)絡(luò)結(jié)構(gòu)對(duì)平移、比例縮放、傾斜或者共他形式的變形具有高度不變性。1卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史1962年Hubel和Wiesel通過(guò)對(duì)貓視覺(jué)皮層細(xì)胞的研究，提出了感受野(receptivefield)的概念，1984年日本學(xué)者Fukushima基于感受野概念提出的神經(jīng)認(rèn)知機(jī)(neocognitron)可以看作是卷積神經(jīng)網(wǎng)絡(luò)的第一個(gè)實(shí)現(xiàn)網(wǎng)絡(luò)，也是感受野概念在人工神經(jīng)網(wǎng)絡(luò)領(lǐng)域的首次應(yīng)用。神經(jīng)認(rèn)知機(jī)將一個(gè)視覺(jué)模式分解成許多子模式(特征)，然后進(jìn)入分層遞階式相連的特征平面進(jìn)行處理，它試圖將視覺(jué)系統(tǒng)模型化，使其能夠在即使物體有位移或輕微變形的時(shí)候，也能完成識(shí)別。神經(jīng)認(rèn)知機(jī)能夠利用位移恒定能力從激勵(lì)模式中學(xué)習(xí)，并且可識(shí)別這些模式的變化形，在其后的應(yīng)用研究中，F(xiàn)ukushima將神經(jīng)認(rèn)知機(jī)主要用于手寫數(shù)字的識(shí)別。隨后，國(guó)內(nèi)外的研究人員提出多種卷積神經(jīng)網(wǎng)絡(luò)形式，在郵政編碼識(shí)別和人臉識(shí)別方面得到了大規(guī)模的應(yīng)用。通常神經(jīng)認(rèn)知機(jī)包含兩類神經(jīng)元，即承擔(dān)特征抽取的S-元和抗變形的C-元。S-元中涉及兩個(gè)重要參數(shù)，即感受野與閾值參數(shù)，前者確定輸入連接的數(shù)目，后者則控制對(duì)特征子模式的反應(yīng)程度。許多學(xué)者一直致力于提高神經(jīng)認(rèn)知機(jī)的性能的研究：在傳統(tǒng)的神經(jīng)認(rèn)知機(jī)中，每個(gè)S-元的感光區(qū)中由C-元帶來(lái)的視覺(jué)模糊量呈正態(tài)分布。如果感光區(qū)的邊緣所產(chǎn)生的模糊效果要比中央來(lái)得大，S-元將會(huì)接受這種非正態(tài)模糊所導(dǎo)致的更大的變形容忍性。我們希望得到的是，訓(xùn)練模式與變形刺激模式在感受野的邊緣與其中心所產(chǎn)生的效果之間的差異變得越來(lái)越大。為了有效地形成這種非正態(tài)模糊，F(xiàn)ukushima提出了帶雙C-元層的改進(jìn)型神經(jīng)認(rèn)知機(jī)。Trotin等人提出了動(dòng)態(tài)構(gòu)造神經(jīng)認(rèn)知機(jī)并自動(dòng)降低閉值的方法[1]，初始態(tài)的神經(jīng)認(rèn)知機(jī)各層的神經(jīng)元數(shù)目設(shè)為零，然后會(huì)對(duì)于給定的應(yīng)用找到合適的網(wǎng)絡(luò)規(guī)模。在構(gòu)造網(wǎng)絡(luò)過(guò)程中，利用一個(gè)反饋信號(hào)來(lái)預(yù)測(cè)降低閾值的效果，再基于這種預(yù)測(cè)來(lái)調(diào)節(jié)閾值。他們指出這種自動(dòng)閾值調(diào)節(jié)后的識(shí)別率與手工設(shè)置閾值的識(shí)別率相若，然而，上述反饋信號(hào)的具體機(jī)制并未給出，并且在他們后來(lái)的研究中承認(rèn)這種自動(dòng)閾值調(diào)節(jié)是很困難的【8】。Hildebrandt將神經(jīng)認(rèn)知機(jī)看作是一種線性相關(guān)分類器，也通過(guò)修改閾值以使神經(jīng)認(rèn)知機(jī)成為最優(yōu)的分類器。Lovell應(yīng)用Hildebrandt的訓(xùn)練方法卻沒(méi)有成功。對(duì)此，Hildebrandt解釋的是，該方法只能應(yīng)用于輸出層，而不能應(yīng)用于網(wǎng)絡(luò)的每一層。事實(shí)上，Hildebrandt沒(méi)有考慮信息在網(wǎng)絡(luò)傳播中會(huì)逐層丟失。VanOoyen和Niehuis為提高神經(jīng)認(rèn)知機(jī)的區(qū)別能力引入了一個(gè)新的參數(shù)。事實(shí)上，該參數(shù)作為一種抑制信號(hào)，抑制了神經(jīng)元對(duì)重復(fù)激勵(lì)特征的激勵(lì)。多數(shù)神經(jīng)網(wǎng)絡(luò)在權(quán)值中記憶訓(xùn)練信息。根據(jù)Hebb學(xué)習(xí)規(guī)則，某種特征訓(xùn)練的次數(shù)越多，在以后的識(shí)別過(guò)程中就越容易被檢測(cè)。也有學(xué)者將進(jìn)化計(jì)算理論與神經(jīng)認(rèn)知機(jī)結(jié)合【9】，通過(guò)減弱對(duì)重復(fù)性激勵(lì)特征的訓(xùn)練學(xué)習(xí)，而使得網(wǎng)絡(luò)注意那些不同的特征以助于提高區(qū)分能力。上述都是神經(jīng)認(rèn)知機(jī)的發(fā)展過(guò)程，而卷積神經(jīng)網(wǎng)絡(luò)可看作是神經(jīng)認(rèn)知機(jī)的推廣形式，神經(jīng)認(rèn)知機(jī)是卷積神經(jīng)網(wǎng)絡(luò)的一種特例。卷積神經(jīng)網(wǎng)絡(luò)本身可采用不同的神經(jīng)元和學(xué)習(xí)規(guī)則的組合形式。其中一種方法是采用M-P神經(jīng)元和BP學(xué)習(xí)規(guī)則的組合，常用于郵政編碼識(shí)別中。還有一種是先歸一化卷積神經(jīng)網(wǎng)絡(luò)，然后神經(jīng)元計(jì)算出用輸入信號(hào)將權(quán)值和歸一化處理后的值，再單獨(dú)訓(xùn)練每個(gè)隱層得到權(quán)值，最后獲勝的神經(jīng)元輸出活性，這個(gè)方法在處理二值數(shù)字圖像時(shí)比較可行，但沒(méi)有在大數(shù)據(jù)庫(kù)中得到驗(yàn)證。第三種方法綜合前兩種方法的優(yōu)勢(shì)，即采用McCulloch-Pitts神經(jīng)元代替復(fù)雜的基于神經(jīng)認(rèn)知機(jī)的神經(jīng)元。在該方法中，網(wǎng)絡(luò)的隱層和神經(jīng)認(rèn)知機(jī)一樣，是一層一層訓(xùn)練的，但是回避了耗時(shí)的誤差反向傳播算法。這種神經(jīng)網(wǎng)絡(luò)被稱為改進(jìn)的神經(jīng)認(rèn)知機(jī)。隨后神經(jīng)認(rèn)知機(jī)和改進(jìn)的神經(jīng)認(rèn)知機(jī)作為卷積神經(jīng)網(wǎng)絡(luò)的例子，廣泛用于各種識(shí)別任務(wù)中，比如大數(shù)據(jù)庫(kù)的人臉識(shí)別和數(shù)字識(shí)別。下面詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的原理、網(wǎng)絡(luò)結(jié)構(gòu)及訓(xùn)練算法。2卷積神經(jīng)網(wǎng)絡(luò)2.1網(wǎng)絡(luò)結(jié)構(gòu)卷積神經(jīng)網(wǎng)絡(luò)是一個(gè)多層的神經(jīng)網(wǎng)絡(luò)，每層由多個(gè)二維平面組成，而每個(gè)平面由多個(gè)獨(dú)立神經(jīng)元組成。網(wǎng)絡(luò)中包含一些簡(jiǎn)單元和復(fù)雜元，分別記為S-元和C-元。S-元聚合在一起組成S-面，S-面聚合在一起組成S-層，用Us表示。C-元、C-面和C-層(Us)之間存在類似的關(guān)系。網(wǎng)絡(luò)的任一中間級(jí)由S-層與C-層串接而成，而輸入級(jí)只含一層，它直接接受二維視覺(jué)模式，樣本特征提取步驟已嵌入到卷積神經(jīng)網(wǎng)絡(luò)模型的互聯(lián)結(jié)構(gòu)中。一般地，Us為特征提取層，每個(gè)神經(jīng)元的輸入與前一層的局部感受野相連，并提取該局部的特征，一旦該局部特征被提取后，它與其他特征間的位置關(guān)系也隨之確定下來(lái)；Uc是特征映射層，網(wǎng)絡(luò)的每個(gè)計(jì)算層由多個(gè)特征映射組成，每個(gè)特征映射為一個(gè)平面，平面上所有神經(jīng)元的權(quán)值相等。特征映射結(jié)構(gòu)采用影響函數(shù)核小的sigmoid函數(shù)作為卷積網(wǎng)絡(luò)的激活函數(shù)，使得特征映射具有位移不變性。此外，由于一個(gè)映射面上的神經(jīng)元共享權(quán)值，因而減少了網(wǎng)絡(luò)自由參數(shù)的個(gè)數(shù)，降低了網(wǎng)絡(luò)參數(shù)選擇的復(fù)雜度。卷積神經(jīng)網(wǎng)絡(luò)中的每一個(gè)特征提取層(S-層)都緊跟著一個(gè)用來(lái)求局部平均與二次提取的計(jì)算層(C-層)，這種特有的兩次特征提取結(jié)構(gòu)使網(wǎng)絡(luò)在識(shí)別時(shí)對(duì)輸入樣本有較高的畸變?nèi)萑棠芰Α?0】。網(wǎng)絡(luò)中神經(jīng)元的輸出連接值符合“最大值檢出假說(shuō)”【15】，即在某一小區(qū)域內(nèi)存在的一個(gè)神經(jīng)元集合中，只有輸出最大的神經(jīng)元才強(qiáng)化輸出連接值。所以若神經(jīng)元近旁存在有輸出比其更強(qiáng)的神經(jīng)元時(shí)，其輸出連接值將不被強(qiáng)化。根據(jù)上述假說(shuō)，就限定了只有一個(gè)神經(jīng)元會(huì)發(fā)生強(qiáng)化。卷積神經(jīng)網(wǎng)絡(luò)的種元就是某S-面上最大輸出的S-元，它不僅可以使其自身強(qiáng)化，而且還控制了鄰近元的強(qiáng)化結(jié)果。因而，所有的S-元漸漸提取了幾乎所有位置上相同的特征。在卷積神經(jīng)網(wǎng)絡(luò)早期研究中占主導(dǎo)的無(wú)監(jiān)督學(xué)習(xí)中，訓(xùn)練一種模式時(shí)需花費(fèi)相當(dāng)長(zhǎng)的時(shí)間去自動(dòng)搜索一層上所有元中具有最大輸出的種元，而現(xiàn)在的有監(jiān)督學(xué)習(xí)方式中，訓(xùn)練模式同它們的種元皆由教師設(shè)定。圖1是文獻(xiàn)[12]中卷積神經(jīng)網(wǎng)絡(luò)的典型結(jié)構(gòu)圖。將原始圖像直接輸入到輸入層(Uc1)，原始圖像的大小決定了輸入向量的尺寸，神經(jīng)元提取圖像的局部特征，因此每個(gè)神經(jīng)元都與前一層的局部感受野相連。文中使用了4層網(wǎng)絡(luò)結(jié)構(gòu)，隱層由S-層和C-層組成。每層均包含多個(gè)平面，輸入層直接映射到Us2層包含的多個(gè)平面上。每層中各平面的神經(jīng)元提取圖像中特定區(qū)域的局部特征，如邊緣特征，方向特征等，在訓(xùn)練時(shí)不斷修正S-層神經(jīng)元的權(quán)值。同一平面上的神經(jīng)元權(quán)值相同，這樣可以有相同程度的位移、旋轉(zhuǎn)不變性。S-層中每個(gè)神經(jīng)元局部輸入窗口的大小均為5x5，由于同一個(gè)平面上的神經(jīng)元共享一個(gè)權(quán)值向量，所以從一個(gè)平面到下一個(gè)平面的映射可以看作是作卷積運(yùn)算，S-層可看作是模糊濾波器，起到二次特征提取的作用。隱層與隱層之間空間分辨率遞減，而每層所含的平面數(shù)遞增，這樣可用于檢測(cè)更多的特征信息。圖1卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.1Thestructureofconvolutionalneuralnetwork2.2神經(jīng)元模型在卷積神經(jīng)網(wǎng)絡(luò)中，只有S-元間的輸入連接是可變的，而其他元的輸入連接是固定的。用Usl（kl，n）表示第l級(jí)，第kl個(gè)S-面上，一個(gè)S-元的輸出，用Ucl(kl，n)表示在該級(jí)第kl個(gè)C-面上一個(gè)C-元的輸出。其中，n是一個(gè)二維坐標(biāo)，代表輸入層中神經(jīng)元的感受野所在位置，在第一級(jí)，感受野的面積較小，隨后隨著l的增大而增加。(2.1)式(2.1)中al（v，kl-1，k）和bl(k)分別表示興奮性輸入和抑制性輸入的連接系數(shù)；rl(k)控制特征提取的選擇性，其值越大，對(duì)噪音和特征畸變的容錯(cuò)性越差，它是一常量，它控制著位于每一S-層處的單個(gè)抑制子平面中每個(gè)神經(jīng)元的輸入:rl(k)的值越大，與抑制性成比例的興奮性就得越大，以便能產(chǎn)生一個(gè)非零輸出，換句話說(shuō)就是相當(dāng)好的匹配才一能激活神經(jīng)元，然而因?yàn)閞l(k)還需乘以φ()，所以rl值越大就能產(chǎn)生越大的輸出，相反，小的rl(k)值允許不太匹配的神經(jīng)元興奮，但它只能產(chǎn)生一個(gè)比較小的輸出；φ(x)為非線性函數(shù)。v是一個(gè)矢量，表示處于n感受野中的前層神經(jīng)元n的相對(duì)位置，Al確定S神經(jīng)元要提取特征的大小，代表n的感受野。所以式中對(duì)v的求和也就包含了指定區(qū)域當(dāng)中所有的神經(jīng)元；外面對(duì)于勺kl-1的求和，也就包含了前一級(jí)的所有子平面，因此在分子中的求和項(xiàng)有時(shí)也被稱作興奮項(xiàng)，實(shí)際上為乘積的和，輸入到n的神經(jīng)元的輸出都乘上它們相應(yīng)的權(quán)值然后再輸出到nc。(2.2)式(2.2)表示的是指定某級(jí)(第l級(jí))、某層(S-層)、某面(第kl個(gè)S-面)、某元(向量為n處)的一個(gè)輸出。對(duì)于一個(gè)S-元的作用函數(shù)可分為兩部分，即興奮性作用函數(shù)和抑制性作用函數(shù)。興奮性作用使得膜電位上升，而抑制性作用起分流作用。興奮性作用為：(2.3)S-元與其前一級(jí)C-層的所有C-面均有連接，所連接的C-元個(gè)數(shù)由該S-級(jí)的參數(shù)感受野Al唯一確定。網(wǎng)絡(luò)中另一個(gè)重要的神經(jīng)元是假設(shè)存在的抑制性神經(jīng)元V-元Uvl(n)，它位于S-面上滿足以下三個(gè)條件:環(huán)元的抑制作用影響整個(gè)網(wǎng)絡(luò)的運(yùn)作；C-元與V-元間存在著固定的連接；V-元的輸出事先設(shè)為多個(gè)C-元輸出的平均值?？梢杂盟鼇?lái)表示網(wǎng)絡(luò)的抑制性作用，發(fā)送一個(gè)抑制信號(hào)給Usl（kl，n）神經(jīng)元，從與Usl（kl，n）類似的元接收它的輸入連接值，并輸出:(2.4)權(quán)cl(v)是位于V—元感受野中的v處的神經(jīng)元相連的權(quán)值，不需要訓(xùn)練這些值，但它們應(yīng)隨著│v│的增加而單調(diào)減小。因此，選擇式2.5的歸一化權(quán)值。(2.5)式2.5中的歸一化常量C由式2.6給出，其中：r(v)是從v處到感受野中心的歸一化距離:(2.6)C神經(jīng)元的輸出由式2.7給出:（2.7）上式中ψ(x)為:（2.8）式中β為一常量。kl是第l級(jí)中的S子平面的數(shù)量。Dl是C—元的感受野。因此，它和特征的大小相對(duì)應(yīng)。dl(v)是固定興奮連接權(quán)的權(quán)值，它是│v│的單調(diào)遞減函數(shù)。如果第kl個(gè)S神經(jīng)元子平面從第kl-1子平面處收到信號(hào)，那么jl(kl,kl-1)的值為，1否則為0。最后，S_層的Vs神經(jīng)元的輸出為（2.9）圖2為卷積神經(jīng)網(wǎng)絡(luò)中不同神經(jīng)元之間的連接關(guān)系圖，從圖中可以很清楚地看出各種不同神經(jīng)元之間的連接關(guān)系。圖2卷積神經(jīng)網(wǎng)絡(luò)中不同神經(jīng)元間的連接Fig.2Theconnectionsconvolutionalneuralnetworkamongdifferentneurons2.3卷積網(wǎng)絡(luò)的訓(xùn)練過(guò)程神經(jīng)網(wǎng)絡(luò)用于模式識(shí)別的主流是有指導(dǎo)學(xué)習(xí)網(wǎng)絡(luò)，無(wú)指導(dǎo)學(xué)習(xí)網(wǎng)絡(luò)更多的是用于聚類分析。對(duì)于有指導(dǎo)的模式識(shí)別，由于任一樣本的類別是已知的，樣本在空間的分布不再是依據(jù)其自然分布傾向來(lái)劃分，而是要根據(jù)同類樣本在空間的分布及不同類樣本之間的分離程度找一種適當(dāng)?shù)目臻g劃分方法，或者找到一個(gè)分類邊界，使得不同類樣本分別位于不同的區(qū)域內(nèi)。這就需要一個(gè)長(zhǎng)時(shí)間且復(fù)雜的學(xué)習(xí)過(guò)程，不斷調(diào)整用以劃分樣本空間的分類邊界的位置，使盡可能少的樣本被劃分到非同類區(qū)域中。由于本文主要是檢測(cè)圖像中的人臉，所以可將樣本空間分成兩類：樣本空間和非樣本空間，因而本文所使用的學(xué)習(xí)網(wǎng)絡(luò)也是有指導(dǎo)的學(xué)習(xí)網(wǎng)絡(luò)。卷積網(wǎng)絡(luò)在本質(zhì)上是一種輸入到輸出的映射，它能夠?qū)W習(xí)大量的輸入與輸出之間的映射關(guān)系，而不需要任何輸入和輸出之間的精確的數(shù)學(xué)表達(dá)式，只要用已知的模式對(duì)卷積網(wǎng)絡(luò)加以訓(xùn)練，網(wǎng)絡(luò)就具有輸入輸出對(duì)之間的映射能力。卷積網(wǎng)絡(luò)執(zhí)行的是有導(dǎo)師訓(xùn)練，所以其樣本集是由形如：（輸入向量，理想輸出向量）的向量對(duì)構(gòu)成的。所有這些向量對(duì)，都應(yīng)該是來(lái)源于網(wǎng)絡(luò)即將模擬的系統(tǒng)的實(shí)際“運(yùn)行”結(jié)果。它們可以是從實(shí)際運(yùn)行系統(tǒng)中采集來(lái)的。在開始訓(xùn)練前，所有的權(quán)都應(yīng)該用一些不同的小隨機(jī)數(shù)進(jìn)行初始化?！靶‰S機(jī)數(shù)”用來(lái)保證網(wǎng)絡(luò)不會(huì)因權(quán)值過(guò)大而進(jìn)入飽和狀態(tài)，從而導(dǎo)致訓(xùn)練失??；“不同”用來(lái)保證網(wǎng)絡(luò)可以正常地學(xué)習(xí)。實(shí)際上，如果用相同的數(shù)去初始化權(quán)矩陣，則網(wǎng)絡(luò)無(wú)能力學(xué)習(xí)。訓(xùn)練算法主要包括4步，這4步被分為兩個(gè)階段：第一階段，向前傳播階段：①?gòu)臉颖炯腥∫粋€(gè)樣本(X,Yp)，將X輸入網(wǎng)絡(luò)；②計(jì)算相應(yīng)的實(shí)際輸出Op。在此階段，信息從輸入層經(jīng)過(guò)逐級(jí)的變換，傳送到輸出層。這個(gè)過(guò)程也是網(wǎng)絡(luò)在完成訓(xùn)練后正常運(yùn)行時(shí)執(zhí)行的過(guò)程。在此過(guò)程中，網(wǎng)絡(luò)執(zhí)行的是由式（2.7）計(jì)算：Op=Fn（…（F2（F1（XpW（1））W（2））…）W（n））第二階段，向后傳播階段①計(jì)算實(shí)際輸出Op與相應(yīng)的理想輸出Yp的差；②按極小化誤差的方法調(diào)整權(quán)矩陣。這兩個(gè)階段的工作一般應(yīng)受到精度要求的控制，在這里，用式（2.8）計(jì)算Ep。作為網(wǎng)絡(luò)關(guān)于第p個(gè)樣本的誤差測(cè)度。而將網(wǎng)絡(luò)關(guān)于整個(gè)樣本集的誤差測(cè)度定義為：E=∑Ep。（2.8）如前所述，之所以將此階段稱為向后傳播階段，是對(duì)應(yīng)于輸入信號(hào)的正常傳播而言的。因?yàn)樵陂_始調(diào)整神經(jīng)元的連接權(quán)時(shí)，只能求出輸出層的誤差，而其他層的誤差要通過(guò)此誤差反向逐層后推才能得到。有時(shí)候也稱之為誤差傳播階段。為了更清楚地說(shuō)明本文所使用的卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程，首先假設(shè)輸入層、中間層和輸出層的單元數(shù)分別是N、L和M。X=(x0,x1,…,xN)是加到網(wǎng)絡(luò)的輸入矢量，H=(h0,h1,…,hL)是中間層輸出矢量，Y=(y0,y1,…,yM)是網(wǎng)絡(luò)的實(shí)際輸出矢量，并且用D=(d0,d1,…,dM)來(lái)表示訓(xùn)練組中各模式的目標(biāo)輸出矢量輸出單元i到隱單元j的權(quán)值是Vij，而隱單元j到輸出單元k的權(quán)值是Wjk。另外用θk和φj來(lái)分別表示輸出單元和隱含單元的閾值。于是，中間層各單元的輸出為式（2.9）：（2.9）而輸出層各單元的輸出是式（2.10）：（2.10）其中f(*)是激勵(lì)函數(shù)采用S型函數(shù)式（2.11）：（2.11）在上述條件下，網(wǎng)絡(luò)的訓(xùn)練過(guò)程如下：1）選定訓(xùn)練組。從樣本集中分別隨機(jī)地選取300個(gè)樣本作為訓(xùn)練組。2）將各權(quán)值Vij，Wjk和閾值φj，θk置成小的接近于0的隨機(jī)值，并初始化精度控制參數(shù)ε和學(xué)習(xí)率α。3）從訓(xùn)練組中取一個(gè)輸入模式X加到網(wǎng)絡(luò)，并給定它的目標(biāo)輸出矢量D。4）利用式（2.9）計(jì)算出一個(gè)中間層輸出矢量H，再用式(2.10)計(jì)算出網(wǎng)絡(luò)的實(shí)際輸出矢Y。5）將輸出矢量中的元素yk與目標(biāo)矢量中的元素dk進(jìn)行比較，計(jì)算出M個(gè)輸出誤差項(xiàng)式（2.12）：（2.12）對(duì)中間層的隱單元也計(jì)算出L個(gè)誤差項(xiàng)式（2.13）：（2.13）6）依次計(jì)算出各權(quán)值的調(diào)整量式（2.14）和式（2.15）：（2.14） （2.15）和閾值的調(diào)整量式（2.16）和（2.17）：（2.16）（2.17）7）調(diào)整權(quán)值式（2.18）和式（2.19）：（2.18）（2.19）調(diào)整閾值式（2.20）和（2.21）：（2.20）（2.21）8）當(dāng)k每經(jīng)歷1至M后，判斷指標(biāo)是否滿足精度要求：E≤ε，其中E是總誤差函數(shù)，且。如果不滿足，就返回（3），繼續(xù)迭代。如果滿足就進(jìn)入下一步。9）訓(xùn)練結(jié)束，將權(quán)值和閾值保存在文件中。這時(shí)可以認(rèn)為各個(gè)權(quán)值已經(jīng)達(dá)穩(wěn)定，分類器形成。再一次進(jìn)行訓(xùn)練時(shí)，直接從文件導(dǎo)出權(quán)值和閾值進(jìn)行訓(xùn)練，不需要進(jìn)行初始化。2.4卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)卷積神經(jīng)網(wǎng)絡(luò)CNN主要用來(lái)識(shí)別位移、縮放及其他形式扭曲不變性的二維圖形。由于CNN的特征檢測(cè)層通過(guò)訓(xùn)練數(shù)據(jù)進(jìn)行學(xué)習(xí)，所以在使用CNN時(shí)，避免了顯示的特征抽取，而隱式地從訓(xùn)練數(shù)據(jù)中進(jìn)行學(xué)習(xí)；再者由于同一特征映射面上的神經(jīng)元權(quán)值相同，所以網(wǎng)絡(luò)可以并行學(xué)習(xí)，這也是卷積網(wǎng)絡(luò)相對(duì)于神經(jīng)元彼此相連網(wǎng)絡(luò)的一大優(yōu)勢(shì)。卷積神經(jīng)網(wǎng)絡(luò)以其局部權(quán)值共享的特殊結(jié)構(gòu)在語(yǔ)音識(shí)別和圖像處理方面有著獨(dú)特的優(yōu)越性，其布局更接近于實(shí)際的生物神經(jīng)網(wǎng)絡(luò)，權(quán)值共享降低了網(wǎng)絡(luò)的復(fù)雜性，特別是多維輸入向量的圖像可以直接輸入網(wǎng)絡(luò)這一特點(diǎn)避免了特征提取和分類過(guò)程中數(shù)據(jù)重建的復(fù)雜度。流的分類方式幾乎都是基于統(tǒng)計(jì)特征的，這就意味著在進(jìn)行分辨前必須提取某些特征。然而，顯式的特征提取并不容易，在一些應(yīng)用問(wèn)題中也并非總是可靠的。卷積神經(jīng)網(wǎng)絡(luò)，它避免了顯式的特征取樣，隱式地從訓(xùn)練數(shù)據(jù)中進(jìn)行學(xué)習(xí)。這使得卷積神經(jīng)網(wǎng)絡(luò)明顯有別于其他基于神經(jīng)網(wǎng)絡(luò)的分類器，通過(guò)結(jié)構(gòu)重組和減少權(quán)值將特征提取功能融合進(jìn)多層感知器。它可以直接處理灰度圖片，能夠直接用于處理基于圖像的分類。卷積網(wǎng)絡(luò)較一般神經(jīng)網(wǎng)絡(luò)在圖像處理方面有如下優(yōu)點(diǎn)：a)輸入圖像和網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)能很好的吻合；b)特征提取和模式分類同時(shí)進(jìn)行，并同時(shí)在訓(xùn)練中產(chǎn)生；c)權(quán)重共享可以減少網(wǎng)絡(luò)的訓(xùn)練參數(shù)，使神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)變得更簡(jiǎn)單，適應(yīng)性更強(qiáng)。3卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用3.1基于卷積網(wǎng)絡(luò)的形狀識(shí)別物體的形狀是人的視覺(jué)系統(tǒng)分析和識(shí)別物體的基礎(chǔ)，幾何形狀是物體的本質(zhì)特征的表現(xiàn)，并具有平移、縮放和旋轉(zhuǎn)不變等特點(diǎn)，所以在模式識(shí)別領(lǐng)域，對(duì)于形狀的分析和識(shí)別具有十分重要的意義，而二維圖像作為三維圖像的特例以及組成部分，因此二維圖像的識(shí)別是三維圖像識(shí)別的基礎(chǔ)。物體形狀的識(shí)別方法可以歸納為如下兩類，其中，第一類是基于物體邊界形狀的識(shí)別，這種邊界的特征主要有周長(zhǎng)、角、彎曲度、寬度、高度、直徑等，第二類是基于物體所覆蓋區(qū)域的形狀識(shí)別，這種區(qū)域的特征主要有面積、圓度、矩特征等，上述兩類方法都適用于物體形狀的結(jié)構(gòu)或區(qū)域的識(shí)別。卷積神經(jīng)網(wǎng)絡(luò)也是一種基于物體邊界形狀的識(shí)別，它既可以識(shí)別封閉形狀同時(shí)對(duì)不封閉形狀也有較高的識(shí)別率。圖3試驗(yàn)用卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖Fig.3Thestructureofconvolutionalneuralnetwork圖3是所用的網(wǎng)絡(luò)結(jié)構(gòu)，U0是輸入層，Uc4是識(shí)別層。Us為特征提取層，Us1的輸入是光感受器的像素位圖，該層只是提取一些相對(duì)簡(jiǎn)單的像素特征，隨后幾層的S-元提取一些更為復(fù)雜的像素特征，隨著層數(shù)的增加，提取的特征也相應(yīng)遞增；Uc是特征映射層，提取高階特征，提取這些高階特征時(shí)不需要提取像簡(jiǎn)單特征那樣的精確位置信息。網(wǎng)絡(luò)中S-元的閉值是預(yù)先設(shè)定值，訓(xùn)練時(shí)權(quán)值的更新基于Fukushima提出的增強(qiáng)型學(xué)習(xí)規(guī)則，如式(2.10)所示，網(wǎng)絡(luò)的訓(xùn)練方式采用的是無(wú)監(jiān)督學(xué)習(xí)方式。圖4與圖5是部分實(shí)驗(yàn)樣本圖圖4部分訓(xùn)練樣本圖Fig.4Partofthetrainingsampleplans圖5部分測(cè)試樣本圖Fig.5Partofthetestsampleplans樣本分為三角形，四邊形，八邊形，圓形四類，每類10個(gè)共80個(gè)樣本，實(shí)驗(yàn)訓(xùn)練時(shí)采用40個(gè)樣本，測(cè)試時(shí)采用剩余的40個(gè)樣本，最終的識(shí)別結(jié)果如表2所示。表1訓(xùn)練后網(wǎng)絡(luò)參數(shù)Table1Networkparametersaftertraining級(jí)數(shù)S-層包含的S-面數(shù)S-元數(shù)第一級(jí)1632第二級(jí)19290第三級(jí)15272第四級(jí)789表2識(shí)別結(jié)果Table3.2Recognitionresults待識(shí)別形狀識(shí)別結(jié)果三角形10個(gè)全對(duì)四邊形10個(gè)全對(duì)八邊形10個(gè)全對(duì)圓形對(duì)9個(gè)，另一個(gè)錯(cuò)識(shí)成四邊形識(shí)別錯(cuò)誤樣本如圖6所示：圖6測(cè)試出錯(cuò)樣本Fig.6Thesampleerrorintest識(shí)別錯(cuò)誤的原因是由于訓(xùn)練所用樣本模式較少，不能覆蓋所有的圓形模式，以至于該測(cè)試模式輸入網(wǎng)絡(luò)時(shí)，與之相近的四邊形模式獲勝，最終得到錯(cuò)誤的輸出結(jié)果。這里采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行形狀識(shí)別目的主要是為了驗(yàn)證卷積神經(jīng)網(wǎng)絡(luò)的模式識(shí)別能力，所以雖然采用的樣本圖片較少，但已經(jīng)能夠說(shuō)明卷積網(wǎng)。絡(luò)在形狀識(shí)別時(shí)有較高的識(shí)別率和抗畸變性，而識(shí)別前的車牌字符由于前期處理(定位、分割)能力的局限性，具有一定的噪聲和變形，因此可以將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于車牌識(shí)別系統(tǒng)。3.2基于卷積網(wǎng)絡(luò)的人臉檢測(cè)卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的人臉檢測(cè)方法不同，它是通過(guò)直接作用于輸入樣本，用樣本來(lái)訓(xùn)練網(wǎng)絡(luò)并最終實(shí)現(xiàn)檢測(cè)任務(wù)的。它是非參數(shù)型的人臉檢測(cè)方法，可以省去傳統(tǒng)方法中建模、參數(shù)估計(jì)以及參數(shù)檢驗(yàn)、重建模型等的一系列復(fù)雜過(guò)程。本文針對(duì)圖像中任意大小、位置、姿勢(shì)、方向、膚色、面部表情和光照條件的人臉，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetworks，簡(jiǎn)稱CNN）的人臉檢測(cè)方法。設(shè)計(jì)了一個(gè)輸入層節(jié)點(diǎn)數(shù)為400、輸出層節(jié)點(diǎn)數(shù)為2、四層隱藏層的CNN網(wǎng)絡(luò)。網(wǎng)絡(luò)結(jié)構(gòu)如圖7。圖7卷積網(wǎng)絡(luò)結(jié)構(gòu)Fig.1Thestructureofconvolutionalneuralnetwork輸入、輸出層的設(shè)計(jì)：卷積神經(jīng)網(wǎng)絡(luò)是一種分層型網(wǎng)絡(luò)，具有輸入層、中間層（隱含層）和輸出層的三層結(jié)構(gòu)。對(duì)于一個(gè)神經(jīng)網(wǎng)絡(luò)，中間層可以有兩個(gè)以上，而具有一個(gè)中間層的神經(jīng)網(wǎng)絡(luò)則是一種基本的神經(jīng)網(wǎng)絡(luò)模型。實(shí)驗(yàn)表明，增加隱含層的層數(shù)和隱含層神經(jīng)元的個(gè)數(shù)不一定能夠提高網(wǎng)絡(luò)的精度和表達(dá)能力。使用輸入窗口的大小都是20×20，這是通常能使用的最小窗口，這個(gè)窗口包含了人臉?lè)浅ｊP(guān)鍵的部分。因此，可將輸入層節(jié)點(diǎn)數(shù)設(shè)計(jì)為400，對(duì)應(yīng)于20×20圖像窗口中按行展開的各個(gè)像素。考慮到本文使用卷積神經(jīng)網(wǎng)絡(luò)是用作分類器，其類別數(shù)為2（即人臉和非人臉），所以輸出層的節(jié)點(diǎn)數(shù)為2。隱藏層的設(shè)計(jì)：隱藏層為四層，分別是圖像特征增強(qiáng)的卷積層、數(shù)據(jù)縮減的子抽樣層、和兩個(gè)激活函數(shù)層。其結(jié)構(gòu)如圖7所示。設(shè)計(jì)方法如下：卷積層的設(shè)計(jì)：信號(hào)的卷積運(yùn)算是信號(hào)處理領(lǐng)域中最重要的運(yùn)算之一。比如，在圖像處理、語(yǔ)音識(shí)別、地震勘探、超聲診斷、光學(xué)成像、系統(tǒng)辨識(shí)及其他諸多信號(hào)處理領(lǐng)域中。卷積運(yùn)算一個(gè)重要的特點(diǎn)就是，通過(guò)卷積運(yùn)算，可以使原信號(hào)特征增強(qiáng)，并且降低噪音。在進(jìn)行人臉檢測(cè)時(shí)使用離散的卷積核，對(duì)圖像進(jìn)行處理。由于離散卷積核只需要進(jìn)行優(yōu)先次的加法運(yùn)算，而且是整數(shù)運(yùn)算，沒(méi)有浮點(diǎn)運(yùn)算，計(jì)算機(jī)可以迅速的計(jì)算出結(jié)果。本文選定的四個(gè)卷積核，分別為兩個(gè)拉普拉斯算子和兩個(gè)Sobel邊緣算子。輸入圖像分別經(jīng)過(guò)這四個(gè)卷積核的卷積得到四個(gè)18×18的待測(cè)圖像。其中拉普拉斯算子是圖像的整體特征增強(qiáng)。而Sobel邊緣算子則強(qiáng)化了邊緣特征。子抽樣層的設(shè)計(jì)：利用圖像局部相關(guān)性的原理，對(duì)圖像進(jìn)行子抽樣，可以減少數(shù)據(jù)處理量同時(shí)保留有用信息。本層把卷積層輸出的四個(gè)圖像作為輸入，分別進(jìn)行子抽樣運(yùn)算后輸出四個(gè)9×9圖像。而該圖像保留了原圖像的絕大部分有用信息。子抽樣點(diǎn)的值是原圖像相鄰四個(gè)點(diǎn)的平均值。激活函數(shù)層：本層分為兩層激活函數(shù)層，一層為通過(guò)與抽樣層輸出的四個(gè)圖像分別進(jìn)行全連結(jié)，得到四個(gè)中間輸出。第二層為有四個(gè)中間結(jié)果連接的四個(gè)激活函數(shù)并與輸出層連接，得出網(wǎng)絡(luò)判斷結(jié)果。這層有9×9×4＋1×4個(gè)激活函數(shù)參數(shù)需要訓(xùn)練。激勵(lì)函數(shù)的選擇：網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和訓(xùn)練數(shù)據(jù)確定后，總誤差函數(shù)就完全由激勵(lì)函數(shù)決定了，因此，激發(fā)函數(shù)的選擇對(duì)網(wǎng)絡(luò)的收斂性具有很重要的作用。對(duì)每一個(gè)人工神經(jīng)元來(lái)說(shuō)，它可以接受一組來(lái)自系統(tǒng)中其他神經(jīng)元的輸入信號(hào)，每個(gè)輸入對(duì)應(yīng)一個(gè)權(quán)，所以輸入的加權(quán)和決定該神經(jīng)元的激活狀態(tài)。按照卷積網(wǎng)絡(luò)算法的要求，這些神經(jīng)元所用的激活函數(shù)必須是處處可導(dǎo)的。在設(shè)計(jì)基于人工神經(jīng)網(wǎng)絡(luò)的分類系統(tǒng)中，不僅網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)非常重要，而且訓(xùn)練數(shù)據(jù)的收集也十分重要。在人臉檢測(cè)系統(tǒng)中除了選擇好的人臉樣本外同時(shí)還要解決從大量非人臉圖像中選擇非人臉樣本的問(wèn)題。對(duì)于人臉樣本圖像還要進(jìn)行一些預(yù)處理，以消除噪音和光線差異的影響。為了提高網(wǎng)絡(luò)的健壯性，收集各種不同類型的人臉樣本；為了得到更多的樣本，并提高旋轉(zhuǎn)不變性和亮度可變性的能力，對(duì)初始人臉樣本集中的部分圖像進(jìn)行一些變換。然后是關(guān)于非人臉樣本的收集，這是基于神經(jīng)網(wǎng)絡(luò)的檢測(cè)方法中的一個(gè)難題，按照常用的Bootstrap處理方法，可以從大量的圖像中收集這些邊界樣本，同時(shí)根據(jù)卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，做出一些改進(jìn)，降低隨機(jī)性，提高了效率。在獲得圖像數(shù)據(jù)后，通過(guò)一些歸一化和預(yù)處理步驟，減小圖像噪聲的影響和消除圖像亮度及對(duì)比度的差異，提高數(shù)據(jù)的針對(duì)性和魯棒性，得到統(tǒng)計(jì)的方法進(jìn)行學(xué)習(xí)處理樣本的最基本的特征向量，然后使用這些特征向量訓(xùn)練網(wǎng)絡(luò)?？偨Y(jié)本文首先闡述了卷積神經(jīng)網(wǎng)絡(luò)的原理。卷積神經(jīng)網(wǎng)絡(luò)是在神經(jīng)認(rèn)知機(jī)的基礎(chǔ)上為了處理模式識(shí)別問(wèn)題而提出的網(wǎng)絡(luò)。此網(wǎng)絡(luò)是多層的分級(jí)神經(jīng)網(wǎng)絡(luò)，每層的神經(jīng)元都是相同類型的，或簡(jiǎn)單，或復(fù)雜，或是超復(fù)雜的神經(jīng)元，在每層之間都有非常稀少并且固定模式的連接。介紹了基本的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其神經(jīng)元模型，接著討論了卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程，當(dāng)需要的特征已預(yù)先確定，那么就采用有監(jiān)督算法，網(wǎng)絡(luò)一層一層地學(xué)習(xí)，反之則進(jìn)行無(wú)監(jiān)督學(xué)習(xí)。最后簡(jiǎn)要的介紹了卷積神經(jīng)網(wǎng)絡(luò)在形狀識(shí)別和人臉檢測(cè)中的應(yīng)用。目前，卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)被應(yīng)用于二維圖像處理、模式識(shí)別、機(jī)器視覺(jué)、形狀識(shí)別、智能交通等領(lǐng)域，并且能夠很好的解決各個(gè)領(lǐng)域中的問(wèn)題。參考文獻(xiàn)[1]吉林大學(xué),2006.[2]李葆青.基于卷積神經(jīng)網(wǎng)絡(luò)的模式分類器[J].大連大學(xué)學(xué)報(bào),2003,24(2):19-23.[3] SimonHaykin著,葉世偉,史忠植譯.神經(jīng)網(wǎng)絡(luò)原理[M].北京：機(jī)械工業(yè)出版社，2004.[4]肖柏旭.基于卷積網(wǎng)絡(luò)的人臉檢測(cè)的研究與實(shí)現(xiàn)[學(xué)位論文].北京:華北電力大學(xué),2009.[5][6] 顧佳玲,彭宏京.增長(zhǎng)式卷積神經(jīng)網(wǎng)絡(luò)及其在人臉檢測(cè)中的應(yīng)用[J].系統(tǒng)仿真學(xué)報(bào),2009,21(8):2441-2445.[7]趙志宏,楊紹普,馬增強(qiáng).基于卷積神經(jīng)網(wǎng)絡(luò)LeNet-5的車牌字符識(shí)別研究[J].系統(tǒng)仿真學(xué)報(bào),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，劉海濤，舒文豪.結(jié)合進(jìn)化計(jì)算的神經(jīng)認(rèn)知機(jī).計(jì)算機(jī)學(xué)報(bào)[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]洪家榮，李星原.Neocognitron學(xué)習(xí)算法分析.軟件學(xué)報(bào)[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]張佳康,陳慶奎.基于CUDA技術(shù)的卷積網(wǎng)絡(luò)識(shí)別算法.計(jì)算機(jī)工程[J],2010,36(51):179-181.[23]肖柏旭,張麗靜.基于分流抑制機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)人臉檢測(cè)法.計(jì)算機(jī)應(yīng)用[J],2006,26:46-48.[24]蘇松志.復(fù)雜背景下的行人檢測(cè)技術(shù)研究[學(xué)位論文].廈門:廈門大學(xué),2008.ConvolutionNeuralNetworkAbstract:Convolutionneuralnetworkisanefficientrecognitionalgorithmwhichiswidelyusedinpatternrecognition,imageprocessingandotherfieldsrecentyears.Ithasasimplestructure,fewtrainingparametersandgoodadaptabilityandotheradvantages.Inthispaper,beginwiththehistoryofconvolutionalneuralnetworks,describesthestructureofconvolutionalneuralnetwork,neuronmodelsandtrainingalgorithmsindetail.Onthisbasis,usestheapplicationsofconvolutionalneuralnetworkinfacedetectionandshaperecognitionasexamples,introducestheapplicationsofconvolutionneuralnetworkinengineering,andgivesdesignideasandnetworkstructure.Keywords：Model;TrainingAlgorithm;Advantage;Facedetection;Shaperecognition內(nèi)容總結(jié)

（1）卷積神經(jīng)網(wǎng)絡(luò)

摘要：卷積神經(jīng)網(wǎng)絡(luò)是近年來(lái)廣泛應(yīng)用于模式識(shí)別、圖像處理等領(lǐng)域的一種高效識(shí)別算法，它具有結(jié)構(gòu)簡(jiǎn)單、訓(xùn)練參數(shù)少和適應(yīng)性強(qiáng)等特點(diǎn)

（2）考慮到本文使用卷積神經(jīng)網(wǎng)絡(luò)是用作分類器，其類別數(shù)為2（即人臉和非人臉），所以輸出層的節(jié)點(diǎn)數(shù)為2

（3）設(shè)計(jì)方法如下：

卷積層的設(shè)計(jì)：信號(hào)的卷積運(yùn)算是信號(hào)處理領(lǐng)域中最重要的運(yùn)算之一

附錄資料:不需要的可以自行刪除中西藥養(yǎng)護(hù)技術(shù)與方法藥品養(yǎng)護(hù)-藥品養(yǎng)護(hù)的概念

藥品養(yǎng)護(hù)是運(yùn)用現(xiàn)代科學(xué)技術(shù)與方法，研究藥品儲(chǔ)存養(yǎng)護(hù)技術(shù)和儲(chǔ)存藥品質(zhì)量變化規(guī)律，防止藥品變質(zhì)，保證藥品質(zhì)量，確保用藥安全、有效的一門實(shí)用性技術(shù)科學(xué)。

藥品養(yǎng)護(hù)-藥品養(yǎng)護(hù)的基本要求

各種藥品的功能是由藥物本身性質(zhì)所決定的，每種藥物的內(nèi)在成分與其他物質(zhì)一樣，時(shí)刻在不斷運(yùn)動(dòng)和變化，這就構(gòu)成了它在貯藏期間引起變化的內(nèi)在因素，加上自然條件的影響，必然發(fā)生物理、化學(xué)以及生物學(xué)等變化。而這些相互影響又互為關(guān)聯(lián)的變化，要求人們不僅要了解掌握藥品內(nèi)在質(zhì)變的形式。同時(shí)還需要了解自然條件（如溫度、濕度、空氣等）變化的規(guī)律。

藥品養(yǎng)護(hù)的各項(xiàng)工作內(nèi)容都應(yīng)圍繞保證藥品儲(chǔ)存質(zhì)量為目標(biāo)。其主要工作內(nèi)容有：檢查控制在庫(kù)藥品的儲(chǔ)存條件，對(duì)藥品進(jìn)行定期質(zhì)量檢查，對(duì)發(fā)現(xiàn)的問(wèn)題及時(shí)采取有效的處理措施。

藥品養(yǎng)護(hù)是一項(xiàng)涉及到質(zhì)量管理、倉(cāng)儲(chǔ)保管、業(yè)務(wù)經(jīng)營(yíng)等方面的綜合性工作，按照工作性質(zhì)及崗位職責(zé)的不同，要求各相關(guān)崗位必須相互協(xié)調(diào)與配合，保證藥品養(yǎng)護(hù)工作的有效開展。

質(zhì)量管理人員負(fù)責(zé)對(duì)藥品養(yǎng)護(hù)人員進(jìn)行業(yè)務(wù)指導(dǎo)，審定藥品養(yǎng)護(hù)工作計(jì)劃，確定重點(diǎn)養(yǎng)護(hù)品種，對(duì)藥品養(yǎng)護(hù)人員上報(bào)的質(zhì)量問(wèn)題進(jìn)行分析并確定處理措施，對(duì)養(yǎng)護(hù)工作的開展情況實(shí)施監(jiān)督考核。

養(yǎng)護(hù)人員負(fù)責(zé)指導(dǎo)保管人員對(duì)藥品進(jìn)行合理儲(chǔ)存，定期檢查在庫(kù)藥品儲(chǔ)存條件及庫(kù)存藥品質(zhì)量，針對(duì)藥品的儲(chǔ)存特性采取科學(xué)有效的養(yǎng)護(hù)方法，定期匯總、分析和上報(bào)藥品養(yǎng)護(hù)質(zhì)量信息，負(fù)責(zé)驗(yàn)收養(yǎng)護(hù)儲(chǔ)存儀器設(shè)備的管理工作，建立藥品養(yǎng)護(hù)檔案。

藥品的儲(chǔ)存質(zhì)量是受儲(chǔ)存環(huán)境和藥品性狀的制約和影響。在實(shí)際工作中，應(yīng)根據(jù)經(jīng)營(yíng)藥品的品種結(jié)構(gòu)、藥品儲(chǔ)存條件的要求、自然環(huán)境的變化、監(jiān)督管理的要求，在確保日常養(yǎng)護(hù)工作有效開展的基礎(chǔ)上，將部分藥品確定為重點(diǎn)養(yǎng)護(hù)品種，采取有針對(duì)性的養(yǎng)護(hù)方法。

重點(diǎn)養(yǎng)護(hù)品種范圍一般包括：主營(yíng)品種、首營(yíng)品種、質(zhì)量性狀不穩(wěn)定的品種、有特殊儲(chǔ)存要求的品種、儲(chǔ)存時(shí)間較長(zhǎng)的品種、近期內(nèi)發(fā)生過(guò)質(zhì)量問(wèn)題的品種及藥監(jiān)部門重點(diǎn)監(jiān)控的品種。

養(yǎng)護(hù)員按照“三三四”原則，每月對(duì)在庫(kù)藥品質(zhì)量（藥店陳列藥品）進(jìn)行巡回檢查，并做好養(yǎng)護(hù)檢查記錄。

（三三四原則全稱應(yīng)該叫做：三三四藥品質(zhì)量循環(huán)檢查法。方法是將在庫(kù)藥品分為A、B、C3類，每類分別占總庫(kù)存的30%、30%、40%左右，然后每個(gè)月檢查一類，3個(gè)月就可將在庫(kù)藥品檢查完一遍，總計(jì)1年檢查4遍。）

中藥的采購(gòu)與貯藏與養(yǎng)護(hù)

第一節(jié)中藥飲片的采購(gòu)和驗(yàn)收

驗(yàn)收藥品應(yīng)當(dāng)做好驗(yàn)收記錄，包括藥品的通用名稱、劑型、規(guī)格、批準(zhǔn)文號(hào)、批號(hào)、生產(chǎn)日期、有效期、生產(chǎn)廠商、供貨單位、到貨數(shù)量、到貨日期、驗(yàn)收合格數(shù)量、驗(yàn)收結(jié)果等內(nèi)容。驗(yàn)收人員應(yīng)當(dāng)在驗(yàn)收記錄上簽署姓名和驗(yàn)收日期。

中藥材驗(yàn)收記錄應(yīng)當(dāng)包括品名、產(chǎn)地、供貨單位、到貨數(shù)量、驗(yàn)收合格數(shù)量等內(nèi)容。中藥飲片驗(yàn)收記錄應(yīng)當(dāng)包括品名、規(guī)格、批號(hào)、產(chǎn)地、生產(chǎn)日期、生產(chǎn)廠商、供貨單位、到貨數(shù)量、驗(yàn)收合格數(shù)量等內(nèi)容，實(shí)施批準(zhǔn)文號(hào)管理的中藥飲片還應(yīng)當(dāng)記錄批準(zhǔn)文號(hào)。

第二節(jié)中藥的質(zhì)量變異現(xiàn)象

一、飲片貯存中常見的質(zhì)量變異現(xiàn)象

1.蟲蛀：含淀粉、糖、脂肪、蛋白質(zhì)

大黃、白芷、桑螵蛸、北沙參、娑羅子、前胡

蟲蛀大白紙，桑蛸殺娑湖

2.泛油：含揮發(fā)油：當(dāng)歸、丁香

含脂肪油：柏子仁、桃仁、杏仁

含糖：牛膝、麥冬、天冬、熟地、黃精

白（柏）杏歸香桃，二冬贖（熟）精牛

3.霉變：陳皮、獨(dú)活、前胡、佛手

4.變色

由淺變深：澤瀉、白芷、山藥、天花粉

由深變淺：黃芪、黃柏

由鮮艷變暗淡：紅花、菊花、金銀花、臘梅花

5.氣味散失：肉桂、沉香、豆蔻、砂仁

6.風(fēng)化：膽礬、硼砂、芒硝

7.潮解：青鹽、咸秋石、芒硝

8.粘連：蘆薈、沒(méi)藥、乳香、阿魏、鹿角膠、龜甲膠

9.腐爛：鮮類藥

二、中成藥貯存中常見質(zhì)量變異現(xiàn)象

蟲蛀：蜜丸、水丸、散劑、茶曲劑

霉變：蜜丸、膏滋、片劑

酸敗：合劑、酒劑、煎膏劑、糖漿劑、軟膏劑

揮發(fā)：芳香水劑、酊劑

沉淀：藥酒、口服液、針劑

第三節(jié)引起中藥質(zhì)量變異的因素

一、自身因素（6個(gè)）

1.水分---高：蟲蛀、霉?fàn)€、潮解、軟化、粘連

低：風(fēng)化、走味、泛油、干裂、脆化

2.淀粉---蟲蛀、霉變

3.黏液質(zhì)---發(fā)霉、生蟲

4.油脂---產(chǎn)生異味：桃仁、杏仁

引起酸敗現(xiàn)象：刺猬皮、狗腎

5.揮發(fā)油---氣味散失：白芷、當(dāng)歸、荊芥、薄荷、肉桂、樟腦、姜黃、山奈

6.色素---發(fā)霉變色：月季花、玫瑰花

二、環(huán)境因素（8個(gè)）

1.溫度---生蟲、發(fā)霉；水分蒸發(fā)；氣味散失；成分變化；酸敗泛油；黏結(jié)成塊

2.濕度---貯存?zhèn)}庫(kù)的相對(duì)濕度最好控制在70%以下

---高：吸潮變質(zhì)；低：風(fēng)化

3.日光---變色、氣味散失、揮發(fā)、風(fēng)化、泛油

4.空氣---泛油、蟲蛀、霉變

5.霉菌---霉變、腐爛變質(zhì)

6.害蟲---蟲蛀

7.包裝容器

8.貯存時(shí)間

第四節(jié)中藥的貯存與養(yǎng)護(hù)

一、中藥材和飲片的貯藏

■飲片庫(kù)房室溫控制在25℃以下，相對(duì)濕度75%以下

■陰涼干燥處：含揮發(fā)油類（薄荷、當(dāng)歸、川芎、荊芥）

■涼爽處：礦物類（硼砂、芒硝）

■石灰保存：牛黃、人參

■易燃物品：硫黃、火硝、樟腦

■毒性藥品：?jiǎn)为?dú)存放

■密封保存：動(dòng)物類、礦物類

二、中藥材和飲片的養(yǎng)護(hù)

1.傳統(tǒng)養(yǎng)護(hù)技術(shù)（6個(gè)）

清潔養(yǎng)護(hù)法、除濕養(yǎng)護(hù)法、密封（密閉）養(yǎng)護(hù)法、低溫養(yǎng)護(hù)法、對(duì)抗同貯法、高溫養(yǎng)護(hù)法

■清潔養(yǎng)護(hù)法：清潔衛(wèi)生是防止倉(cāng)蟲入侵的最基本和最有效的方法

■除濕養(yǎng)護(hù)法：

1.通風(fēng)法

2.吸濕防潮法：生石灰塊、無(wú)水氯化鈣

■密封（密閉）養(yǎng)護(hù)法：是貯藏的基本方法

■低溫養(yǎng)護(hù)法：2～10℃，具有防霉、防蟲、防變色、防走油，主要用于貴重藥材保存，如哈蟆油、銀耳、人參、菊花、陳皮、山藥、枸杞子（＜-4℃可使害蟲致死）

■高溫同貯法：可有效防治蟲害的侵襲。高于40℃害蟲停止發(fā)育，高于50℃，害蟲將在短時(shí)間死亡。含揮發(fā)油的飲片烘烤溫度不宜超過(guò)60℃

對(duì)抗同貯法

2.現(xiàn)代養(yǎng)護(hù)技術(shù)（8個(gè)）

干燥養(yǎng)護(hù)技術(shù)

氣調(diào)養(yǎng)護(hù)技術(shù)

60Co-γ射線輻射殺蟲滅菌養(yǎng)護(hù)技術(shù)

包裝防霉養(yǎng)護(hù)法

氣幕防潮養(yǎng)護(hù)技術(shù)

蒸氣加熱養(yǎng)護(hù)技術(shù)

氣體滅菌養(yǎng)護(hù)技術(shù)

中藥揮發(fā)油熏蒸防霉技術(shù)

三、中成藥的養(yǎng)護(hù)

應(yīng)密閉貯存：散劑、膠劑、膏藥、軟膏、鼻用制劑、栓劑、凝膠劑

應(yīng)密封貯存：丸劑、片劑、煎膏劑、合劑、顆粒劑、膠囊劑、糖漿劑、注射劑、酒劑、露劑

溫度低于30℃的劑型：膠囊劑、栓劑

遮光：軟膏劑、注射劑、酊劑、流浸膏與浸膏劑、凝膠劑、眼用制劑

四、中國(guó)藥典凡例

遮光：用不透光的容器包裝

密閉：防止塵土及異物進(jìn)入

密封：防止風(fēng)化、吸潮、揮發(fā)或異物進(jìn)入

熔封或嚴(yán)封：防止空氣和水分侵入，防止污染

陰涼處：不超過(guò)20℃

涼暗處：避光并不超過(guò)20℃

冷處：2～10℃

常溫：10～30℃

檢查日期、藥品名稱、劑型、規(guī)格、單位、數(shù)量、生產(chǎn)廠家、批號(hào)、批準(zhǔn)文號(hào)、有效期、質(zhì)量狀況、養(yǎng)護(hù)措施、處理結(jié)果。

養(yǎng)護(hù)員：

表格中除：檢查日期、質(zhì)量狀況、養(yǎng)護(hù)措施、處理結(jié)果、養(yǎng)護(hù)員欄要手工填寫外，其余電腦自動(dòng)可生成。

檢查日期：從打印時(shí)間開始填寫至下月幾號(hào)為止，看有多少頁(yè)平均后連續(xù)填寫時(shí)間也可，但不能填寫一樣的時(shí)間；

質(zhì)量狀況：填寫“無(wú)異?！?；

養(yǎng)護(hù)措施：可填寫“效期催銷”、“翻垛”、“通風(fēng)”等，視具體需要養(yǎng)護(hù)情況而定；

處理結(jié)果：“繼續(xù)銷售”；

養(yǎng)護(hù)員：要簽完整名字。

二）養(yǎng)護(hù)工作的具體實(shí)施

1、養(yǎng)護(hù)儲(chǔ)存的合理性

藥品養(yǎng)護(hù)員在日常管理過(guò)程中，應(yīng)對(duì)在庫(kù)藥品的分類儲(chǔ)存、貨垛碼放、垛位間距、色標(biāo)管理等工作內(nèi)容進(jìn)行巡查，及時(shí)糾正發(fā)現(xiàn)的問(wèn)題，確保藥品按規(guī)定的要求合理儲(chǔ)存。

2、倉(cāng)儲(chǔ)條件監(jiān)測(cè)與控制

藥品倉(cāng)儲(chǔ)條件的監(jiān)測(cè)與控制內(nèi)容主要包括：庫(kù)內(nèi)溫濕度、藥品儲(chǔ)存設(shè)備的適宜性，藥品避光和防鼠等措施的有效性、安全措施的運(yùn)行狀態(tài)。

為保證各類庫(kù)房的溫、濕度符合規(guī)定的要求，倉(cāng)庫(kù)保管人員要在養(yǎng)護(hù)員的指導(dǎo)下，有效地對(duì)庫(kù)房溫、濕度條件進(jìn)行動(dòng)態(tài)監(jiān)測(cè)和管理，發(fā)現(xiàn)庫(kù)房溫濕度超出規(guī)定范圍或接近臨界值時(shí)，或接近臨界值時(shí)，應(yīng)及時(shí)采取通風(fēng)、降溫、除濕、保溫等措施進(jìn)行有效調(diào)控，并予以記錄。對(duì)庫(kù)房的溫、濕度條件應(yīng)定時(shí)進(jìn)行觀察記錄，一般每日上、下午各一次。

為確保倉(cāng)庫(kù)溫濕度條件的全天候監(jiān)控，藥品控制企業(yè)在節(jié)假日也應(yīng)安排值班人員，對(duì)倉(cāng)庫(kù)的儲(chǔ)存條件進(jìn)行監(jiān)控。

3、庫(kù)存藥品質(zhì)量的循環(huán)檢查

養(yǎng)護(hù)員應(yīng)按照規(guī)定的方法和要求，定期對(duì)庫(kù)存藥品的質(zhì)量狀況進(jìn)行循環(huán)檢查，循環(huán)養(yǎng)護(hù)檢查一般按季度進(jìn)行。購(gòu)進(jìn)藥品應(yīng)在入庫(kù)后三個(gè)月起進(jìn)行第一次庫(kù)存藥品檢查。養(yǎng)護(hù)時(shí)應(yīng)做好養(yǎng)護(hù)記錄，對(duì)養(yǎng)護(hù)中的藥品質(zhì)量狀況進(jìn)行準(zhǔn)確的記錄。

當(dāng)氣候條件出現(xiàn)異常變化，遇高溫、嚴(yán)寒、雨季或發(fā)現(xiàn)藥品有質(zhì)量變化跡象時(shí)，應(yīng)由質(zhì)量管理部組織有關(guān)人員或全面檢查；為避免漏查，應(yīng)嚴(yán)格規(guī)定檢查順序，如：按每個(gè)貨架、貨垛順時(shí)針檢查等；主要檢查內(nèi)容包括包裝情況、外觀性狀，對(duì)易變質(zhì)藥品、儲(chǔ)存期較長(zhǎng)、近效期不足一年的藥品或其它應(yīng)檢查的藥品，應(yīng)按規(guī)定的程序和要求進(jìn)行有效的管理。

4、養(yǎng)護(hù)中發(fā)現(xiàn)質(zhì)量問(wèn)題的處理

藥品養(yǎng)護(hù)中發(fā)現(xiàn)的問(wèn)題一般包括技術(shù)操作、設(shè)施設(shè)備、藥品質(zhì)量等方面的內(nèi)容，養(yǎng)護(hù)員應(yīng)對(duì)發(fā)現(xiàn)的問(wèn)題進(jìn)行認(rèn)真的分析，及時(shí)上報(bào)質(zhì)量管理部核實(shí)、處理，按照質(zhì)量管理部的要求，采取措施對(duì)質(zhì)量管理過(guò)程實(shí)施改進(jìn)，從而有效地控制藥品儲(chǔ)存質(zhì)量。

養(yǎng)護(hù)員對(duì)養(yǎng)護(hù)過(guò)程中發(fā)現(xiàn)的藥品質(zhì)量問(wèn)題，應(yīng)懸掛醒目的黃色標(biāo)牌，并暫停發(fā)貨，上報(bào)質(zhì)量管理機(jī)構(gòu)進(jìn)行處理。

（三）藥品養(yǎng)護(hù)檔案與信息

為給藥品養(yǎng)護(hù)工作提供系統(tǒng)、全面的管理依據(jù)，不斷提高藥品養(yǎng)護(hù)的技術(shù)水平，企業(yè)應(yīng)針對(duì)重點(diǎn)養(yǎng)護(hù)品種建立藥品養(yǎng)護(hù)檔案，收集、分析、傳遞養(yǎng)護(hù)過(guò)程中的信息資料，從而保證藥品養(yǎng)護(hù)質(zhì)量系統(tǒng)的有效運(yùn)行。

1、藥品養(yǎng)護(hù)檔案

企業(yè)應(yīng)結(jié)合倉(cāng)儲(chǔ)管理的實(shí)際，本著"以保證藥品質(zhì)量為前提，以服務(wù)業(yè)務(wù)經(jīng)營(yíng)需要為目標(biāo)"的原則，針對(duì)重點(diǎn)養(yǎng)護(hù)品種建立藥品重點(diǎn)養(yǎng)護(hù)品種建立藥品養(yǎng)護(hù)檔案。藥品養(yǎng)護(hù)檔案是在一定的經(jīng)營(yíng)周期內(nèi)，對(duì)藥品儲(chǔ)存質(zhì)量的穩(wěn)定性進(jìn)行連續(xù)觀察與監(jiān)控，總結(jié)養(yǎng)護(hù)經(jīng)驗(yàn)，改進(jìn)養(yǎng)護(hù)方法，積累技術(shù)資料的管理手段。其內(nèi)容包括藥品的基本質(zhì)量信息、觀察周期內(nèi)對(duì)藥品儲(chǔ)存質(zhì)量的追蹤記錄、有關(guān)問(wèn)題的處理情況等。藥品養(yǎng)護(hù)檔案的品種應(yīng)根據(jù)業(yè)務(wù)經(jīng)營(yíng)活動(dòng)的變化，及時(shí)調(diào)整，一般應(yīng)按年度調(diào)整確定。

2、養(yǎng)護(hù)質(zhì)量信息

按照GSP規(guī)定，藥品養(yǎng)護(hù)人員應(yīng)定期匯總、分析和上報(bào)養(yǎng)護(hù)檢查、近效期或長(zhǎng)時(shí)間儲(chǔ)存的藥品的質(zhì)量信息。以便質(zhì)量管理部門和業(yè)務(wù)部門及時(shí)、全面地掌握儲(chǔ)存藥品質(zhì)量信息，合理調(diào)節(jié)庫(kù)存藥品的數(shù)量，保證經(jīng)營(yíng)藥品符合質(zhì)量要求，其報(bào)告內(nèi)容應(yīng)匯總該經(jīng)營(yíng)周期內(nèi)經(jīng)營(yíng)品種的結(jié)構(gòu)、數(shù)量、批次等項(xiàng)目，統(tǒng)計(jì)并分析儲(chǔ)存養(yǎng)護(hù)工程中發(fā)現(xiàn)的質(zhì)量問(wèn)題的相關(guān)指標(biāo)，如質(zhì)量問(wèn)題產(chǎn)生的原因、比率，進(jìn)而提出養(yǎng)護(hù)工作改進(jìn)的措施及目標(biāo)。

（四）、影響藥品質(zhì)量的因素

1、影響藥品質(zhì)量的內(nèi)在因素

a、易水解的藥品當(dāng)藥品的化學(xué)結(jié)構(gòu)中含有酯、酰胺、酰肼、醚、苷鍵時(shí)，易發(fā)生水解反應(yīng)。如青霉素的分子中含有β-內(nèi)酰胺環(huán)，在酸性、中性或堿性溶液中易發(fā)生分解反應(yīng)和分子重排反應(yīng)，其分解產(chǎn)物與分子重排物均無(wú)抗菌作用。故青霉素只能制成粉末，嚴(yán)封于容器中貯藏。

b、易被氧化的藥品當(dāng)藥品的化學(xué)結(jié)構(gòu)中含有酚羥基、巰基、香胺、不飽和碳鍵、醇、醚、醛、吡唑酮、吩噻嗪等基團(tuán)時(shí)，易發(fā)生氧化反應(yīng)。如氯丙嗪屬于吩噻嗪類化合物，在日光、空氣、濕氣的作用下易變質(zhì)失效，故應(yīng)遮光，密封保存。

2、藥品的物理性質(zhì)與質(zhì)量的關(guān)系

a、揮發(fā)性系指液態(tài)藥品能變?yōu)闅鈶B(tài)擴(kuò)散到空氣中的性質(zhì)。具有揮發(fā)性的藥品如果包裝不嚴(yán)或貯存時(shí)的溫度過(guò)高，可造成揮發(fā)減量，如乙醇、薄荷等在常溫下即有強(qiáng)烈的揮發(fā)性，還可以引起燃燒和爆炸。

b、吸濕性系指藥品自外界空氣中不同程度地吸附水蒸氣的性質(zhì)。藥品的吸濕性并不限于水溶性藥品，某些高分子藥品和水不溶性藥品同樣可以吸濕,但當(dāng)含有少量的氯化鎂等雜質(zhì)時(shí)，則表現(xiàn)出顯著的吸濕性。

c、吸附性藥品能夠吸收空氣中的有害氣體或特殊臭氣的性質(zhì)被稱為藥品的吸附性。例如淀粉、藥用碳、滑石粉等因表面積大而具有顯著的吸附作用從而使本身具有被吸附氣體的氣味，亦稱"串味"。

d、凍結(jié)性以水或乙醇作溶劑的一些液體藥品遇冷可凝結(jié)成固體，這種固體會(huì)導(dǎo)致藥品的體積膨脹而引起容器破裂。

e、風(fēng)化性有些含結(jié)晶水的藥品在干燥空氣中易失去全部或部分結(jié)晶水，變成白色不透明的晶體或粉末，稱為"風(fēng)化"。風(fēng)化后的藥品的藥效雖然未變，但影響使用的準(zhǔn)確性,尤其是一些毒性較大的藥品可因此而超過(guò)劑量，造成醫(yī)療事故。

f、色、嗅、味藥品色、嗅、味是藥品重要的外觀性狀，也是藥品的物理性質(zhì)之一，當(dāng)色、嗅、味發(fā)生變化時(shí)，經(jīng)常意味著藥品性質(zhì)發(fā)生了變化，所以它們是保管人員實(shí)施感官檢查的重要根據(jù)。如維生素C片由白變黃，是由于發(fā)生了氧化反應(yīng)；阿司匹林片出現(xiàn)針狀結(jié)晶或濃厚的醋酸味，是由于因吸濕而發(fā)生水解反應(yīng)，產(chǎn)生了水楊酸和乙酸；某些藥品的異臭、異味可能是微生物所引起發(fā)酵、腐敗等。

此外，藥品的熔化性、溶解性等均是影響藥品質(zhì)量的內(nèi)在因素。

2、影響藥品質(zhì)量的外在因素

影響藥品質(zhì)量的外在因素很多，這些因素對(duì)藥品的影響往往是幾種因素同時(shí)進(jìn)行或交叉進(jìn)行，互相促進(jìn)、互相作用而加速藥品的變質(zhì)和失效。因此，我們所采取的保管措施也應(yīng)是綜合性的。

（1）、空氣

空氣是不同氣體的混合物，主要成分是氮、氧、二氧化碳以及氬、氖、氪、氙等稀有元素。此外，空氣中還含有水蒸氣、二氧化碳和塵埃等。在被污染的空氣中還混雜有二氧化硫、硫化氫、氨、氯化氫等有害氣體。與藥品的質(zhì)量有關(guān)的主要是氧、二氧化碳。

a、氧

許多具有還原性藥品，可被空氣中的氧所氧化，發(fā)生分解、變色、變質(zhì)，甚至產(chǎn)生毒性。如異丙腎上腺素被氧化后，可由白色變?yōu)榉奂t色，此時(shí)即不可供藥用。

b、二氧化碳

空氣中的二氧化碳可使某些藥品因發(fā)生碳酸化而變質(zhì)。如某些氫氧化物和氧化物易吸收二氧化碳而生成碳酸鹽；磺胺類鈉鹽與二氧化碳作用后，可生成難溶于水的游離磺胺而結(jié)晶析出。

（2）、溫度

溫度在藥品的保管養(yǎng)護(hù)中是重要條件之一，它與濕度有密切的關(guān)系，干燥的固體藥品受溫度影響的程度遠(yuǎn)比吸潮或呈液體狀態(tài)的藥品小的多。

a、溫度升高可加速藥品的變質(zhì)如生物制品、血液制品在室溫下保管容易失效，需要低溫冷藏（2~10℃）；可加速藥品的揮發(fā)與風(fēng)化如咖啡因可失去分子中的結(jié)晶水；可破壞藥品的劑型如可使栓劑、膠囊劑軟化變形，使糖衣片粘連，使軟膏劑熔化分層等。

b、溫度過(guò)低可使一些生物制品、含蛋白制劑、乳劑及膠體制劑析出沉淀或變性分層，如甲醛溶液在9℃以下易聚合成為多聚甲醛而使溶液呈現(xiàn)混濁或析出白色沉淀；可使許多液體制劑析出結(jié)晶，其中一些藥品因結(jié)晶而失效，如葡萄糖酸鈣注射液等飽和溶液久置冷處易析出結(jié)晶不再溶解，而不能藥用；可致容器因藥液體積增加而破裂等。

（3）、濕度

濕度是藥品養(yǎng)護(hù)的重要條件之一，濕度過(guò)高或過(guò)低均引起許多藥品發(fā)生變性。

a、潮解

如鈉鹽吸濕性較大，最易發(fā)生潮解；一些不溶于水的藥品如活性碳及干燥氫氧化鋁等也可因物理吸附作用而潮解；胃蛋白酶、胰酶等易于吸濕結(jié)成團(tuán)塊。

b、稀釋

一些具有吸水性的液體藥品如甘油、乳酸等再潮濕環(huán)境匯總易吸收水分而被稀釋，從而使?jié)舛冉档?，影響藥效?/p>

c、水解

有些藥品因吸潮而分解變質(zhì)，如阿司匹林易吸濕而水解生成乙酸和水楊酸，不但毒性增加，而且對(duì)胃腸道的刺激也增加。

（4）、光線

紫外線是藥品發(fā)生分解、氧化、還原、水解等化學(xué)反應(yīng)的催化劑之一。如腎上腺素受到光照的影響可發(fā)生氧化反應(yīng)逐漸變成紅色至棕色，使療效降低或失效；又如氧化氫溶液分解為氧和水等。在很多情況下，光線并不是孤立的發(fā)生作用，而是經(jīng)常伴隨空氣中的氧、水分、溫度等因素同時(shí)進(jìn)行。所以，對(duì)光敏感的藥品，應(yīng)密閉于涼暗處保存。

（5）、微生物于昆蟲

微生物（細(xì)菌、霉菌、酵母菌）和昆蟲，很容易進(jìn)入包裝不嚴(yán)的藥品內(nèi)，它們的生長(zhǎng)、繁殖是造成藥品腐敗、發(fā)酵、蛀蝕等變質(zhì)現(xiàn)象的一個(gè)主要原因。尤其是一些含有營(yíng)養(yǎng)物質(zhì)（如淀粉、糖、蛋白質(zhì)、脂肪等）的制劑，如糖漿劑、片劑幾一些中草藥制劑更易發(fā)生霉變和蟲蛀。

（6）、時(shí)間

藥品貯存一定時(shí)間以后就會(huì)變質(zhì)。尤其是一些有效期藥品，即使貯存條件適宜，久存也易降低效價(jià)，如抗生素、生物制品等；一些暫時(shí)沒(méi)有制定有效期的藥品，如乳劑、水劑、栓劑等一些性質(zhì)不穩(wěn)定的藥品，時(shí)間長(zhǎng)了也會(huì)變質(zhì)。有的藥品貯存一段時(shí)間后，外觀上無(wú)變化，但含量或效價(jià)降低而不能藥用。

除了上述因素以外，尚有藥品的包裝容器及材料等因素也可對(duì)藥品的質(zhì)量發(fā)生影響

中藥重點(diǎn)養(yǎng)護(hù)品種目錄

易生蟲飲片如下：

黨參，人參，南沙參，冬蟲夏草，當(dāng)歸，獨(dú)活，白芷，防風(fēng)，板藍(lán)根，甘遂，生地，澤瀉，全瓜蔞，枸杞子，大皂角，桑椹，龍眼肉，核桃仁，蓮子芯，苡米，杏仁，青風(fēng)藤，桑白皮，鹿茸，蘄蛇，雞內(nèi)金，菊花，金銀花，凌霄花，北沙參，防己，莪術(shù)，貝母，金果欖，佛手，陳皮，砂仁，酸棗仁，紅花，鬧羊花，蒲黃，芫花，蟬蛻，黃柏，狗腎，廣地龍，甘草，黃芪，山藥，天花粉，桔梗，靈芝，豬苓，茯苓，水蛭，僵蠶，蜈蚣，烏藥，葛根，丹參，何首烏，赤芍，苦參，延胡索，升麻，大黃，肉豆蔻，淡豆豉，柴胡，地榆

易發(fā)霉飲片：

天門冬，懷牛膝，獨(dú)活，玉竹，黃精，白果，橘絡(luò)，全瓜蔞，山萸肉，蓮子芯，枸杞子，大棗，馬齒筧，大小薊，大青葉，桑葉，蛤士蟆，鹿筋，狗腎，水獺肝，哈蚧，黃柏，白鮮皮，川槿皮，人參，黨參，當(dāng)歸，毛知母，紫箢，菊花，紅花，金銀花，白及，云木香，五味子，洋金花，螻蛄，地龍，蘄蛇，蜈蚣，甘草，葛根，山奈，青皮，芡實(shí)，薏苡仁，梔子

易泛油飲片：

獨(dú)活，火麻仁，核桃仁，榧子，千金子，當(dāng)歸，懷牛膝，巴豆，狗腎，云木香，龍眼肉，桔核，杏仁，螻蛄，紫河車，前胡，川芎，白術(shù)，蒼術(shù)

易變色飲片：

月季花，梅花，玫瑰花，款冬花，紅花，山茶花，金銀花，扁豆花，橘絡(luò)，佛手，通草，麻黃

易失去氣味飲片：

藿香，香薷，紫蘇，薄荷，佩蘭，荊芥，細(xì)辛肉桂，花椒，月季花，玫瑰花，吳茱萸，八角茴香，丁香，檀香，沉香，厚撲，獨(dú)活，當(dāng)歸。

易升華，軟化融化類飲片：

（1）易升華類：樟腦，薄荷腦，冰片

（2）易軟化融化類：松香，蘆薈，阿魏，豬膽膏，安息香，乳香，沒(méi)藥

（3）蘇合香。

易風(fēng)化，潮解類飲片：

易風(fēng)化類：硼砂，白礬，綠礬，芒硝，膽礬

易潮解類：芒硝，火青鹽，綠礬，硼砂，咸秋石，鹽附子，全蝎，海藻，昆布內(nèi)容總結(jié)

（1）藥品養(yǎng)護(hù)-藥品養(yǎng)護(hù)的概念

藥品養(yǎng)護(hù)是運(yùn)用現(xiàn)代科學(xué)技術(shù)與方法，研究藥品儲(chǔ)存養(yǎng)護(hù)技術(shù)和儲(chǔ)存藥品質(zhì)量變化規(guī)律，防止藥品變質(zhì)，保證藥品質(zhì)量，確保用藥安全、有效的一門實(shí)用性技術(shù)科學(xué)

（2）中藥材驗(yàn)收記錄應(yīng)當(dāng)包括品名、產(chǎn)地、供貨單位、到貨數(shù)量、驗(yàn)收合格數(shù)量等內(nèi)容

附錄資料:不需要的可以自行刪除中西藥養(yǎng)護(hù)技術(shù)與方法藥品養(yǎng)護(hù)-藥品養(yǎng)護(hù)的概念

藥品養(yǎng)護(hù)是運(yùn)用現(xiàn)代科學(xué)技術(shù)與方法，研究藥品儲(chǔ)存養(yǎng)護(hù)技術(shù)和儲(chǔ)存藥品質(zhì)量變化規(guī)律，防止藥品變質(zhì)，保證藥品質(zhì)量，確保用藥安全、有效的一門實(shí)用性技術(shù)科學(xué)。

藥品養(yǎng)護(hù)-藥品養(yǎng)護(hù)的基本要求

各種藥品的功能是由藥物本身性質(zhì)所決定的，每種藥物的內(nèi)在成分與其他物質(zhì)一樣，時(shí)刻在不斷運(yùn)動(dòng)和變化，這就構(gòu)成了它在貯藏期間引起變化的內(nèi)在因素，加上自然條件的影響，必然發(fā)生物理、化學(xué)以及生物學(xué)等變化。而這些相互影響又互為關(guān)聯(lián)的變化，要求人們不僅要了解掌握藥品內(nèi)在質(zhì)變的形式。同時(shí)還需要了解自然條件（如溫度、濕度、空氣等）變化的規(guī)律。

藥品養(yǎng)護(hù)的各項(xiàng)工作內(nèi)容都應(yīng)圍繞保證藥品儲(chǔ)存質(zhì)量為目標(biāo)。其主要工作內(nèi)容有：檢查控制在庫(kù)藥品的儲(chǔ)存條件，對(duì)藥品進(jìn)行定期質(zhì)量檢查，對(duì)發(fā)現(xiàn)的問(wèn)題及時(shí)采取有效的處理措施。

藥品養(yǎng)護(hù)是一項(xiàng)涉及到質(zhì)量管理、倉(cāng)儲(chǔ)保管、業(yè)務(wù)經(jīng)營(yíng)等方面的綜合性工作，按照工作性質(zhì)及崗位職責(zé)的不同，要求各相關(guān)崗位必須相互協(xié)調(diào)與配合，保證藥品養(yǎng)護(hù)工作的有效開展。

質(zhì)量管理人員負(fù)責(zé)對(duì)藥品養(yǎng)護(hù)人員進(jìn)行業(yè)務(wù)指導(dǎo)，審定藥品養(yǎng)護(hù)工作計(jì)劃，確定重點(diǎn)養(yǎng)護(hù)品種，對(duì)藥品養(yǎng)護(hù)人員上報(bào)的質(zhì)量問(wèn)題進(jìn)行分析并確定處理措施，對(duì)養(yǎng)護(hù)工作的開展情況實(shí)施監(jiān)督考核。

養(yǎng)護(hù)人員負(fù)責(zé)指導(dǎo)保管人員對(duì)藥品進(jìn)行合理儲(chǔ)存，定期檢查在庫(kù)藥品儲(chǔ)存條件及庫(kù)存藥品質(zhì)量，針對(duì)藥品的儲(chǔ)存特性采取科學(xué)有效的養(yǎng)護(hù)方法，定期匯總、分析和上報(bào)藥品養(yǎng)護(hù)質(zhì)量信息，負(fù)責(zé)驗(yàn)收養(yǎng)護(hù)儲(chǔ)存儀器設(shè)備的管理工作，建立藥品養(yǎng)護(hù)檔案。

藥品的儲(chǔ)存質(zhì)量是受儲(chǔ)存環(huán)境和藥品性狀的制約和影響。在實(shí)際工作中，應(yīng)根據(jù)經(jīng)營(yíng)藥品的品種結(jié)構(gòu)、藥品儲(chǔ)存條件的要求、自然環(huán)境的變化、監(jiān)督管理的要求，在確保日常養(yǎng)護(hù)工作有效開展的基礎(chǔ)上，將部分藥品確定為重點(diǎn)養(yǎng)護(hù)品種，采取有針對(duì)性的養(yǎng)護(hù)方法。

重點(diǎn)養(yǎng)護(hù)品種范圍一般包括：主營(yíng)品種、首營(yíng)品種、質(zhì)量性狀不穩(wěn)定的品種、有特殊儲(chǔ)存要求的品種、儲(chǔ)存時(shí)間較長(zhǎng)的品種、近期內(nèi)發(fā)生過(guò)質(zhì)量問(wèn)題的品種及藥監(jiān)部門重點(diǎn)監(jiān)控的品種。

養(yǎng)護(hù)員按照“三三四”原則，每月對(duì)在庫(kù)藥品質(zhì)量（藥店陳列藥品）進(jìn)行巡回檢查，并做好養(yǎng)護(hù)檢查記錄。

（三三四原則全稱應(yīng)該叫做：三三四藥品質(zhì)量循環(huán)檢查法。方法是將在庫(kù)藥品分為A、B、C3類，每類分別占總庫(kù)存的30%、30%、40%左右，然后每個(gè)月檢查一類，3個(gè)月就可將在庫(kù)藥品檢查完一遍，總計(jì)1年檢查4遍。）

中藥的采購(gòu)與貯藏與養(yǎng)護(hù)

第一節(jié)中藥飲片的采購(gòu)和驗(yàn)收

驗(yàn)收藥品應(yīng)當(dāng)做好驗(yàn)收記錄，包括藥品的通用名稱、劑型、規(guī)格、批準(zhǔn)文號(hào)、批號(hào)、生產(chǎn)日期、有效期、生產(chǎn)廠商、供貨單位、到貨數(shù)量、到貨日期、驗(yàn)收合格數(shù)量、驗(yàn)收結(jié)果等內(nèi)容。驗(yàn)收人員應(yīng)當(dāng)在驗(yàn)收記錄上簽署姓名和驗(yàn)收日期。

中藥材驗(yàn)收記錄應(yīng)當(dāng)包括品名、產(chǎn)地、供貨單位、到貨數(shù)量、驗(yàn)收合格數(shù)量等內(nèi)容。中藥飲片驗(yàn)收記錄應(yīng)當(dāng)包括品名、規(guī)格、批號(hào)、產(chǎn)地、生產(chǎn)日期、生產(chǎn)廠商、供貨單位、到貨數(shù)量、驗(yàn)收合格數(shù)量等內(nèi)容，實(shí)施批準(zhǔn)文號(hào)管理的中藥飲片還應(yīng)當(dāng)記錄批準(zhǔn)文號(hào)。

第二節(jié)中藥的質(zhì)量變異現(xiàn)象

一、飲片貯存中常見的質(zhì)量變異現(xiàn)象

1.蟲蛀：含淀粉、糖、脂肪、蛋白質(zhì)

大黃、白芷、桑螵蛸、北沙參、娑羅子、前胡

蟲蛀大白紙，桑蛸殺娑湖

2.泛油：含揮發(fā)油：當(dāng)歸、丁香

含脂肪油：柏子仁、桃仁、杏仁

含糖：牛膝、麥冬、天冬、熟地、黃精

白（柏）杏歸香桃，二冬贖（熟）精牛

3.霉變：陳皮、獨(dú)活、前胡、佛手

4.變色

由淺變深：澤瀉、白芷、山藥、天花粉

由深變淺：黃芪、黃柏

由鮮艷變暗淡：紅花、菊花、金銀花、臘梅花

5.氣味散失：肉桂、沉香、豆蔻、砂仁

6.風(fēng)化：膽礬、硼砂、芒硝

7.潮解：青鹽、咸秋石、芒硝

8.粘連：蘆薈、沒(méi)藥、乳香、阿魏、鹿角膠、龜甲膠

9.腐爛：鮮類藥

二、中成藥貯存中常見質(zhì)量變異現(xiàn)象

蟲蛀：蜜丸、水丸、散劑、茶曲劑

霉變：蜜丸、膏滋、片劑

酸?。汉蟿⒕苿?、煎膏劑、糖漿劑、軟膏劑

揮發(fā)：芳香水劑、酊劑

沉淀：藥酒、口服液、針劑

第三節(jié)引起中藥質(zhì)量變異的因素

一、自身因素（6個(gè)）

1.水分---高：蟲蛀、霉?fàn)€、潮解、軟化、粘連

低：風(fēng)化、走味、泛油、干裂、脆化

2.淀粉---蟲蛀、霉變

3.黏液質(zhì)---發(fā)霉、生蟲

4.油脂---產(chǎn)生異味：桃仁、杏仁

引起酸敗現(xiàn)象：刺猬皮、狗腎

5.揮發(fā)油---氣味散失：白芷、當(dāng)歸、荊芥、薄荷、肉桂、樟腦、姜黃、山奈

6.色素---發(fā)霉變色：月季花、玫瑰花

二、環(huán)境因素（8個(gè)）

1.溫度---生蟲、發(fā)霉；水分蒸發(fā)；氣味散失；成分變化；酸敗泛油；黏結(jié)成塊

2.濕度---貯存?zhèn)}庫(kù)的相對(duì)濕度最好控制在70%以下

---高：吸潮變質(zhì)；低：風(fēng)化

3.日光---變色、氣味散失、揮發(fā)、風(fēng)化、泛油

4.空氣---泛油、蟲蛀、霉變

5.霉菌---霉變、腐爛變質(zhì)

6.害蟲---蟲蛀

7.包裝容器

8.貯存時(shí)間

第四節(jié)中藥的貯存與養(yǎng)護(hù)

一、中藥材和飲片的貯藏

■飲片庫(kù)房室溫控制在25℃以下，相對(duì)濕度75%以下

■陰涼干燥處：含揮發(fā)油類（薄荷、當(dāng)歸、川芎、荊芥）

■涼爽處：礦物類（硼砂、芒硝）

■石灰保存：牛黃、人參

■易燃物品：硫黃、火硝、樟腦

■毒性藥品：?jiǎn)为?dú)存放

■密封保存：動(dòng)物類、礦物類

二、中藥材和飲片的養(yǎng)護(hù)

1.傳統(tǒng)養(yǎng)護(hù)技術(shù)（6個(gè)）

清潔養(yǎng)護(hù)法、除濕養(yǎng)護(hù)法、密封（密閉）養(yǎng)護(hù)法、低溫養(yǎng)護(hù)法、對(duì)抗同貯法、高溫養(yǎng)護(hù)法

■清潔養(yǎng)護(hù)法：清潔衛(wèi)生是防止倉(cāng)蟲入侵的最基本和最有效的方法

■除濕養(yǎng)護(hù)法：

1.通風(fēng)法

2.吸濕防潮法：生石灰塊、無(wú)水氯化鈣

■密封（密閉）養(yǎng)護(hù)法：是貯藏的基本方法

■低溫養(yǎng)護(hù)法：2～10℃，具有防霉、防蟲、防變色、防走油，主要用于貴重藥材保存，如哈蟆油、銀耳、人參、菊花、陳皮、山藥、枸杞子（＜-4℃可使害蟲致死）

■高溫同貯法：可有效防治蟲害的侵襲。高于40℃害蟲停止發(fā)育，高于50℃，害蟲將在短時(shí)間死亡。含揮發(fā)油的飲片烘烤溫度不宜超過(guò)60℃

對(duì)抗同貯法

2.現(xiàn)代養(yǎng)護(hù)技術(shù)（8個(gè)）

干燥養(yǎng)護(hù)技術(shù)

氣調(diào)養(yǎng)護(hù)技術(shù)

60Co-γ射線輻射殺蟲滅菌養(yǎng)護(hù)技術(shù)

包裝防霉養(yǎng)護(hù)法

氣幕防潮養(yǎng)護(hù)技術(shù)

蒸氣加熱養(yǎng)護(hù)技術(shù)

氣體滅菌養(yǎng)護(hù)技術(shù)

中藥揮發(fā)油熏蒸防霉技術(shù)

三、中成藥的養(yǎng)護(hù)

應(yīng)密閉貯存：散劑、膠劑、膏藥、軟膏、鼻用制劑、栓劑、凝膠劑

應(yīng)密封貯存：丸劑、片劑、煎膏劑、合劑、顆粒劑、膠囊劑、糖漿劑、注射劑、酒劑、露劑

溫度低于30℃的劑型：膠囊劑、栓劑

遮光：軟膏劑、注射劑、酊劑、流浸膏與浸膏劑、凝膠劑、眼用制劑

四、中國(guó)藥典凡例

遮光：用不透光的容器包裝

密閉：防止塵土及異物進(jìn)入

密封：防止風(fēng)化、吸潮、揮發(fā)或異物進(jìn)入

熔封或嚴(yán)封：防止空氣和水分侵入，防止污染

陰涼處：不超過(guò)20℃

涼暗處：避光并不超過(guò)20℃

冷處：2～10℃

常溫：10～30℃

檢查日期、藥品名稱、劑型、規(guī)格、單位、數(shù)量、生產(chǎn)廠家、批號(hào)、批準(zhǔn)文號(hào)、有效期、質(zhì)量狀況、養(yǎng)護(hù)措施、處理結(jié)果。

養(yǎng)護(hù)員：

表格中除：檢查日期、質(zhì)量狀況、養(yǎng)護(hù)措施、處理結(jié)果、養(yǎng)護(hù)員欄要手工填寫外，其余電腦自動(dòng)可生成。

檢查日期：從打印時(shí)間開始填寫至下月幾號(hào)為止，看有多少頁(yè)平均后連續(xù)填寫時(shí)間也可，但不能填寫一樣的時(shí)間；

質(zhì)量狀況：填寫“無(wú)異?！?；

養(yǎng)護(hù)措施：可填寫“效期催銷”、“翻垛”、“通風(fēng)”等，視具體需要養(yǎng)護(hù)情況而定；

處理結(jié)果：“繼續(xù)銷售”；

養(yǎng)護(hù)員：要簽完整名字。

二）養(yǎng)護(hù)工作的具體實(shí)施

1、養(yǎng)護(hù)儲(chǔ)存的合理性

藥品養(yǎng)護(hù)員在日常管理過(guò)程中，應(yīng)對(duì)在庫(kù)藥品的分類儲(chǔ)存、貨垛碼放、垛位間距、色標(biāo)管理等工作內(nèi)容進(jìn)行巡查，及時(shí)糾正發(fā)現(xiàn)的問(wèn)題，確保藥品按規(guī)定的要求合理儲(chǔ)存。

2、倉(cāng)儲(chǔ)條件監(jiān)測(cè)與控制

藥品倉(cāng)儲(chǔ)條件的監(jiān)測(cè)與控制內(nèi)容主要包括：庫(kù)內(nèi)溫濕度、藥品儲(chǔ)存設(shè)備的適宜性，藥品避光和防鼠等措施的有效性、安全措施的運(yùn)行狀態(tài)。

為保證各類庫(kù)房的溫、濕度符合規(guī)定的要求，倉(cāng)庫(kù)保管人員要在養(yǎng)護(hù)員的指導(dǎo)下，有效地對(duì)庫(kù)房溫、濕度條件進(jìn)行動(dòng)態(tài)監(jiān)測(cè)和管理，發(fā)現(xiàn)庫(kù)房溫濕度超出規(guī)定范圍或接近臨界值時(shí)，或接近臨界值時(shí)，應(yīng)及時(shí)采取通風(fēng)、降溫、除濕、保溫等措施進(jìn)行有效調(diào)控，并予以記錄。對(duì)庫(kù)房的溫、濕度條件應(yīng)定時(shí)進(jìn)行觀察記錄，一般每日上、下午各一次。

為確保倉(cāng)庫(kù)溫濕度條件的全天候監(jiān)控，藥品控制企業(yè)在節(jié)假日也應(yīng)安排值班人員，對(duì)倉(cāng)庫(kù)的儲(chǔ)存條件進(jìn)行監(jiān)控。

3、庫(kù)存藥品質(zhì)量的循環(huán)檢查

養(yǎng)護(hù)員應(yīng)按照規(guī)定的方法和要求，定期對(duì)庫(kù)存藥品的質(zhì)量狀況進(jìn)行循環(huán)檢查，循環(huán)養(yǎng)護(hù)檢查一般按季度進(jìn)行。購(gòu)進(jìn)藥品應(yīng)在入庫(kù)后三個(gè)月起進(jìn)行第一次庫(kù)存藥品檢查。養(yǎng)護(hù)時(shí)應(yīng)做好養(yǎng)護(hù)記錄，對(duì)養(yǎng)護(hù)中的藥品質(zhì)量狀況進(jìn)行準(zhǔn)確的記錄。

當(dāng)氣候條件出現(xiàn)異常變化，遇高溫、嚴(yán)寒、雨季或發(fā)現(xiàn)藥品有質(zhì)量變化跡象時(shí)，應(yīng)由質(zhì)量管理部組織有關(guān)人員或全面檢查；為避免漏查，應(yīng)嚴(yán)格規(guī)定檢查順序，如：按每個(gè)貨架、貨垛順時(shí)針檢查等；主要檢查內(nèi)容包括包裝情況、外觀性狀，對(duì)易變質(zhì)藥品、儲(chǔ)存期較長(zhǎng)、近效期不足一年的藥品或其它應(yīng)檢查的藥品，應(yīng)按規(guī)定的程序和要求進(jìn)行有效的管理。

4、養(yǎng)護(hù)中發(fā)現(xiàn)質(zhì)量問(wèn)題的處理

藥品養(yǎng)護(hù)中發(fā)現(xiàn)的問(wèn)題一般包括技術(shù)操作、設(shè)施設(shè)備、藥品質(zhì)量等方面的內(nèi)容，養(yǎng)護(hù)員應(yīng)對(duì)發(fā)現(xiàn)的問(wèn)題進(jìn)行認(rèn)真的分析，及時(shí)上報(bào)質(zhì)量管理部核實(shí)、處理，按照質(zhì)量管理部的要求，采取措施對(duì)質(zhì)量管理過(guò)程實(shí)施改進(jìn)，從而有效地控制藥品儲(chǔ)存質(zhì)量。

養(yǎng)護(hù)員對(duì)養(yǎng)護(hù)過(guò)程中發(fā)現(xiàn)的藥品質(zhì)量問(wèn)題，應(yīng)懸掛醒目的黃色標(biāo)牌，并暫停發(fā)貨，上報(bào)質(zhì)量管理機(jī)構(gòu)進(jìn)行處理。

（三）藥品養(yǎng)護(hù)檔案與信息

為給藥品養(yǎng)護(hù)工作提供系統(tǒng)、全面的管理依據(jù)，不斷提高藥品養(yǎng)護(hù)的技術(shù)水平，企業(yè)應(yīng)針對(duì)重點(diǎn)養(yǎng)護(hù)品種建立藥品養(yǎng)護(hù)檔案，收集、分析、傳遞養(yǎng)護(hù)過(guò)程中的信息資料，從而保證藥品養(yǎng)護(hù)質(zhì)量系統(tǒng)的有效運(yùn)行。

1、藥品養(yǎng)護(hù)檔案

企業(yè)應(yīng)結(jié)合倉(cāng)儲(chǔ)管理的實(shí)際，本著"以保證藥品質(zhì)量為前提，以服務(wù)業(yè)務(wù)經(jīng)營(yíng)需要為目標(biāo)"的原則，針對(duì)重點(diǎn)養(yǎng)護(hù)品種建立藥品重點(diǎn)養(yǎng)