在医院检查中有痰液的常规检查,通过对痰液的病理检查可以快速地对呼吸系统疾病做出初步诊断。其中,医学上明确痰色可分为八种,不同痰色对应不同疾病。本次课题设计社区痰色自助预诊系统放于社区中,通过检测痰液的颜色,告知社区居民自身的身体健康情况;另外,也可以减少随地吐痰现象的发生,防止痰液挥发在空气中导致病毒的传播,设计该系统可以更好地帮助社区居民养成良好的爱护环境意识。本文设计的系统包括以下几部分内容:（1）社区居民可以通过人脸识别或账号密码的方式登录到系统,系统通过MTCNN算法、Res Net神经网络和Dlib算法实现人脸检测、特征提取和特征比对。通过对比现有的人脸检测技术,我们发现使用MTCNN算法能够更准确的将人脸的整个面部轮廓进行框选,更加有效的对人脸的特征点进行提取,进而提高了对比准确性。（2）通过Label Img工具对痰的样本进行标注及分类,使用Yolov5算法训练模型,确保在检测过程中能够更快的找到目标区域,去除其他产生干扰的部分;再使用支持向量机训练分类模型,通过相似度的比较,确定痰色,进而反馈预测结果及建议。本文采用支持向量机的方法来进行痰色分类,该方法解决了痰色样本少、训练算法非线性和高维问题。（3）系统中用Qt Charts图表将社区居民一段时间内个人的健康状况通过线型图的方式显示出来,供居民进行参考,以备遇到特殊情况做到及时就医治疗。本系统软件使用Python语言开发,构造了社区痰色自助预诊系统,并通过使用不同患者样本进行检测,结果显示系统能够对样本进行准确的检测,达到预期的效果。所以,社区居民可以使用此系统,进行痰色的自助预诊。