民以食为天,食以安为先,加强食品安全工作关系到13亿多中国人的身体健康和生命安全。各级各部门都高度关注食品安全,确保人民群众“舌尖上的安全”。同时在《中华人民共和国食品安全法》(2018年修订版)第11条中也明确鼓励和支持为提高食品安全水平采用先进技术和先进管理规范。据中国疾病预防控制中心对近10年来不完全统计,我国误食野生蘑菇中毒例数占全国食物中毒总例数的12%,死亡人数更是高达35%,也就是说我国食物中毒中1/3的死亡是由于误食野生蘑菇。野生蘑菇已成为我国食物中毒的“头号杀手”。针对这一现状本文提出将深度学习技术应用于蘑菇的分类识别上,并结合移动平台实现在手机端对蘑菇进行一个快速识别。本文利用Keras平台搭建包括输入层在内共13层卷积神经网络进行端到端的模型训练,直接作用于蘑菇的原始图像数据,通过逐层进行特征学习,进而利用多层网络获取蘑菇的特征信息,从而避免了人工提取特征的困难和问题,在此基础上使用优化目标函数实现蘑菇的高效、智能识别。针对蘑菇之间的相似性,尤其是类属相近的蘑菇,即在细粒度上实现区分不同种类的蘑菇。系统的实现分为模型训练和离线识别2个阶段,模型训练在Windows平台下完成,离线识别在Android端实现。由于缺少必要的数据集,本文首先利用网络爬取技术构建了8类不同种类的数据集;为了训练网络模型,对整理的数据集进行人工标注类别标签;然后在Keras学习框架下利用CNN卷积神经网络对图像数据集进行网络模型的训练和优化;并在Android端将网络模型与APP结合,实现移动端的蘑菇识别。实验调试结果表明,本文实现的蘑菇识别APP可以对8种不同种类的蘑菇进行有效的识别,平均识别率可以达到95%左右,系统不仅能够给出蘑菇的识别结果,还能给出对应蘑菇相关的知识简介,实现了蘑菇在移动端的智能识别与普及,对蘑菇的研究具有一定的应用和研究价值。