1.基于VGG‑16融合残差网络的皮肤病辅助诊断平台，其特征在于：包括毛发去除模块和识别分类模块，所述毛发去除模块对拍摄图像进行去除毛发处理，并将处理后的图像发送至识别分类模块，所述识别分类模块采用基于VGG‑16融合残差网络的皮肤病识别模型对图像中的皮肤病进行识别分类；

所述基于VGG‑16融合残差网络的皮肤病识别模型包括依次设置的预处理层CRBM、卷积层模块、平均池化层、全连接层和分类器，所述预处理层CRBM中包括卷积层、激活函数、Batch Normalization层和最大池化层，每个所述卷积层模块的后端加入残差网络，最后一个所述卷积层模块中添加Batch Normalization层替换最大池化层，所述全连接层与分类器之间设置dropout层；

所述预处理层CRBM中的卷积层用于获得丰富的特征图，ReLU激活函数能够改变模型的线性结构，增强非线性，减少过拟合，Batch Normalization层对图像进行归一化，通过最大池化层提取病变区域最具辨别力的中级语义特征；

所述卷积层模块包括卷积层和最大池化层，所述全连接层为两个。

2.根据权利要求1所述的基于VGG‑16融合残差网络的皮肤病辅助诊断平台，其特征在于：所述皮肤病识别模型的训练方法包括：S1、采集皮损图像数据集，调整图像大小，并将皮损图像数据集划分为训练集、验证集和测试集；

S2、去除训练集中皮损图像的毛发；

S3、对训练集中的皮损图像进行数据增强，以平衡各类皮肤病对应训练集数量；

S4、将处理后的训练集输入皮肤病识别模型进行模型训练；

S5、当验证集的损失值在一段时间内没有变化时保存模型，完成皮肤病识别模型的训练。

3.根据权利要求2所述的基于VGG‑16融合残差网络的皮肤病辅助诊断平台，其特征在于：S2中去除训练集中皮损图像的毛发，包括：S21、将RGB源图像转换为灰度图像；

S22、使用blackHat操作检测灰度图像中的毛发轮廓，根据检测到的毛发轮廓创建掩码，掩码是根据周围像素的加权平均值重新计算每个像素得到的，使得毛发区域更加突出；

S23、通过二值化和侵蚀操作进一步突出毛发区域；

S24、应用基于快速行进方法FMM的图像修复技术，从源图像中删除仅包含毛发区域的掩码，并用毛发区域相邻的像素替换移除的像素。

4.根据权利要求2所述的基于VGG‑16融合残差网络的皮肤病辅助诊断平台，其特征在于：S3中对训练集中的皮损图像进行数据增强，以平衡各类皮肤病对应训练集数量，包括：在0°‑180°范围内，对非NV疾病的训练集皮损图像采用包括通道变换、翻转、大小调整、随机旋转、水平和垂直位移、随机比例缩放在内的数据增强方法进行数据增强。

5.根据权利要求1所述的基于VGG‑16融合残差网络的皮肤病辅助诊断平台，其特征在于：所述毛发去除模块对拍摄图像进行去除毛发处理，包括：将RGB源图像转换为灰度图像；

使用blackHat操作检测灰度图像中的毛发轮廓，根据检测到的毛发轮廓创建掩码，掩码是根据周围像素的加权平均值重新计算每个像素得到的，使得毛发区域更加突出；

通过二值化和侵蚀操作进一步突出毛发区域；

应用基于快速行进方法FMM的图像修复技术，从源图像中删除仅包含毛发区域的掩码，并用毛发区域相邻的像素替换移除的像素。