由于自然场景下的中草药植物生长时段、生长背景、拍摄角度的不同，基于传统的中草药植物图像检索系统的检索效果不是很理想。为了解决传统中草药植物图像检索算法查准率较低的问题，本文将深度学习技术和哈希技术应用到检索系统中。在图像语义特征学习方面，深度神经网络具有从训练数据提取有效特征的强大能力，利用其在图像语义特征提取的优势，学习近似人对图像的视觉语义特征，而较好的图像语义特征有利于提高中草药植物图像的识别率和检索率。在检索机制上，为了加快检索的效率引进哈希算法。使用深度学习和哈希技术不但可以确保提取的特征近似图像语义特征，还可以提高检索的实时性和检索准确性。本文主要工作如下:　　1.深入研究了传统图像检索算法及其相关理论和关键性技术，并在本文中给出详细介绍。并且明确指出现有的中草药植物图像检索技术面临的问题:提取的图像特征维数高;机器所“理解”的图像低层特征与人类所理解的图像内容之间的“语义鸿沟”。　　2.详细介绍了深度学习基础原理包括前向传播、后向传播、卷积层与池化层、激活函数、损失函数等，从理论的角度分析了深度神经网络，验证其强大的学习图像特征能力。　　3.针对“维数灾难”和“语义鸿沟”，本文提出一种有监督的基于深度学习和哈希学习的中草药植物图像检索算法模型。在中草药图像的特征提取上，利用深度学习网络高效的学习中草药图像特征，同时在深度学习网络的子模型上添加哈希层，直接生成二进制哈希码。在量化编码的同时，考虑减小量化误差。　　4.设计并开发出基于深度学习和哈希学习的中草药植物图像检索原型系统，该系统主要包括图像高维特征库、二进制哈希码库的建立及查询上传、检索返回相似图像等模块。