面部皮肤病是医学上的比较常见的多发性疾病,针对当前日益增长的美容护肤需求,皮肤检测技术越来越受关注。传统的人工诊断有着一定的主观性,无法满足复杂多样的色素性皮肤病的检测要求。目前,针对面部肌肤检测的问题,国内外的研究主要集中于美容领域的大型专业的设备。因此针对特定目标设计一套能够智能精准检测皮肤状况,并且结构简单适用于大众人群的可反映人脸肌肤健康的系统具有很大的意义。本文应用机器学习算法与便携的智能终端设备的结合,设计了一个完整的智能人脸肌肤健康检测系统,整个系统包括软件检测和硬件搭建两个部分。为了得到色素性皮肤病在不同光波下表现的不同病灶特征,设计了一套基于嵌入式的组合光源（日光、紫外光、伍氏光、平行偏振光和交叉偏振光）控制系统。并用Android智能手机的普通拍照模式代替体积庞大的拍照设备在不同光源下进行图像采集,二者相结合极大地减少了后续算法处理的复杂度。软件检测部分是结合深度学习与改进胶囊网络（capsule network,CapsNet）对采集图像进行分类识别。搭建了基于深度学习算法的皮肤检测的模型,用改进CapsNet模型针对预处理之后的皮肤图像进行分类识别,经过分类后可检测黑色素瘤、黑素细胞痣、角化病/鲍恩病、血管病变等7种色素性皮肤病。最后,系统将检测结果发送到Android手机APP端。用户可在安卓手机上实现对人脸肌肤色素性皮肤病的检测、查看历史检测记录、修改个人信息等整体操作。通过与传统的卷积神经网络模型作对比仿真,结果表明使用改进CapsNet网络对色素性皮肤病进行识别可以有较好的识别效果,并且准确率比卷积神经网络模型高出10%。最后通过实验验证表明,本系统的五种光模式对皮肤的不同特征提取有极大地帮助（纹理、血管病变、斑点等）,并能准确识别出病症区域的色素性皮肤病类型,能够实现对大众的普及应用性。