近年来,“毒驾”导致的交通事故呈上升趋势,严重威胁人民生命财产安全和交通道路安全。由于临时道路毒检形成的试纸图像受室外环境影响较大,常常因光照不均匀、试剂弱反应状态引起毒检试纸图像存在阴影、伪影等情况,产生图像弱边界问题,导致采用常规图像识别技术无法得到准确结果。因此,本文以临时道路毒驾检测为应用背景,对弱边界毒检图像的识别与分类展开研究。针对实际场景下毒检试纸图像的特点,将图像识别过程按模块划分,分别构建算法解决相应问题。首先从原始毒检试纸图像中分割出有效的前景区域图像,排除无关因素干扰,提高后期图像识别速度。之后利用图像在多颜色空间下存在信息差异的特点,从前景区域图像中的定位与裁剪出多个检测条区域图像,并对其单独分类。本文的主要研究工作如下:（1）针对毒检试纸图像中存在干扰信息的问题,本文提出一种面向毒检试纸图像的轻量级图像分割模型DASNet,实现对毒检试纸图像中有效前景区域的准确分割,删除图像中的无关干扰信息。该模型采用合并连接的方式,将上层卷积与下层卷积结果合并,使得模型能够从图像中获得不同层次的特征信息,并保证低级特征不会随着网络层数的增加而消失。最后采用全连接重组这些特征的空间信息,并对特征图进行上采样操作,更好地还原图像细节,加快模型的反向传播和训练过程。实验结果表明,相比主流的图像分割模型,该模型在使用较少的参数量的情况下,取得了更优的分割结果。（2）针对现有边缘定位方式在处理弱边界图像时,存在因定位不准确等情况影响后续图像准确分类的问题,本文采用多颜色空间信息,实现了对前景区域中多个检测条图像的准确定位与裁剪,进而通过分析特征,提取检测条图像的主成分进行计算,大大减少了设备运算量,缩短检测时间。该方法对检测条图像中处于临界反映的色块也能够准确识别,为下一步的检测条图像的准确分类提供保障。实验结果表明,该方法能够对前景区域中的多个检测条图像做出准确的定位与分类,其分类准确率远高于目测法,可应用于常规道路毒驾稽查。（3）基于本文所研究的毒检试纸图像分割与分类模型设计出一种便携式毒驾检测设备,能够实现毒检试纸图像的一体化采集与识别分析。该设备具有图像采集、数据存储、图像处理、图像识别、结果展示等功能,其体积小,检测结果准确,功能齐全,同时,检测人员可随时存贮受检人员和车辆信息,与毒检试纸图像识别结果同步对应,其可视化的识别过程便于检测人员更直观地分析检测结果。综上所述,本文设计了一种针对弱边界毒检试纸图像的识别与分类方法,该研究最终设计的便携式毒驾检测仪为毒驾临时道路检测提供了有效的辅助工具,为检测人员提供了准确的分析结果,进而降低了毒驾对社会与公民的危害。