中药材对人体疾病的预防及控制具有重要的作用，然而普通百姓对药材知识了解过少，可能滥用草药从而带来不可控的后果。因此，对药材进行精准识别是一项紧迫的任务。本文将改进的深度卷积神经网络应用到药材识别中，提出了基于MobileNet V2模型进行迁移学习的中药材识别系统。该模型将标准卷积改进为深度可分离卷积形式，在ImageNet数据集上进行了预训练。通过对MobileNet V2的预训练模型参数进行多次微调，在全连接层采用softmax激活函数实现药材分类，使用交叉熵损失函数定量表达与理想模型之间的差异，最后使用adam优化算法实现最优梯度下降，实现了12类中药材图片识别，最终在验证集上精度可达93%，表明本文的中药材图像识别系统具有较好的实际应用场景。同时MobileNet V2的轻量级模型在训练时间上也比普通卷积神经网络节省了2倍以上的时间，在药材识别上的鲁棒性和范化性得到了较大提升。