目前,医学中最常用的两种生化检测方法是血细胞检测与联检卡检测。血细胞检测通过检测人血细胞中的白细胞（WBC）、红细胞（RBC）与血小板（Platelet）的数量,判断病人是否患有疾病;联检卡诊断通过分泌物样本与化学试剂在联检卡的反应区进行反应,再通过对反应结果判读,进而判断病人的健康情况。但这两种检测方法都需要基于优秀的图像处理算法以保证准确率,针对这一问题,本文设计并实现了生化检测图像自动识别算法,主要工作如下。1)设计并实现了血细胞检测方法。本文首先对YOLOv4网络进行改进,将原残差模块中的单路卷积特征提取操作改为三路特征提取,区分出三种血细胞,提高检测精度。其次,处理图像中的粘连细胞,消除粘连细胞的影响,针对分水岭算法容易产生过分割现象,使用标记的分水岭算法分割粘连细胞,经过实验,成功解决了过分割问题。通过改进,使三类血细胞的平均精度分别达到了 94.7%、87.3%与88.5%,即均值为90.2%,比原网络（84.7%）取得了更好的效果。2)设计并实现了联检卡检测方法。以比色卡作为对比标准,首先对比色卡图像进行处理,进行降噪,提取图像边缘,再对边缘图像进行轮廓提取,得到7个子比色卡,然后使用K-means聚类算法进行颜色向量聚类,去除无关颜色只保留用于对比的有用色块,生成新的比色卡。其次对联检卡进行处理,使用霍夫圆变换检测反应孔,提取反应孔区域。但因为图像中局部出现了反光现象,对反应孔颜色识别产生影响。针对这一现象,利用Lab颜色空间计算出各反应孔的L区分正常区域与反光区域,从而达到去除图像反光区域影响的目的。最后再将处理后的联检卡与比色卡的颜色进行匹配,算法对联检卡的检测精度为 95.1%。本文同时对血细胞检测与联检卡检测图像进行了识别方法的改进,血细胞检测精度（90.2%）和联检卡检测算法的精度（95.1%）优于其它方法。实现了对两种生化检测图像的准确识别,辅助治疗。