随着物联网技术和大数据分析技术的发展,市面上出现了越来越多的皮肤质量检测设备,人们对自己皮肤的质量也越来越重视。整个皮肤质量的检测过程,都会生成各种各样的皮肤质量信息数据,如拍摄的皮肤图像文件、收集到的用户信息等,这些数据呈现爆炸式增长的趋势。如何有效的存储皮肤质量信息数据,搭建读写性能好、可扩展性强的皮肤图像数据库称为当今社会研究的热点。对海量的皮肤图像文件,一般采用分布式存储的方式,现在不少企业和科研机构也提出了一些皮肤图像分布式存储解决方案,但是采用现有的存储方法存储海量的皮肤图像,存在一些不足:(1)现有的分布式存储方案不能很好的支持海量皮肤图像小文件的存储,存储资源浪费;(2)没有考虑到皮肤图像之间的关联关系,数据存储分散;(3)对皮肤质量分析程序的支持性不够好,影响皮肤质量分析程序的性能。为了搭建读写性能好的皮肤图像分布式存储系统,高效地存储和管理皮肤图像数据,对现有的分布式存储系统进行优化。本文基于分布式云存储技术和卷积神经网络图像分类技术设计并实现了皮肤图像分布式存储系统。本文的主要工作在以下几个方面:(1)本文分析了皮肤图像数据的特征,提出了基于关联性分类、并归档合并存储皮肤图像小文件的存储方案,以解决皮肤图像小文件分布式存储遇到的问题,提升系统的读写性能,并提出了皮肤图像按分类维度多集群存储,集群数据之间互为副本的方案,改善了皮肤图像分布式存储系统的可靠性和可扩展性;(2)调研现在流行的图像分类算法,在综合分析各种图像分类算法的优缺点之后提出了利用卷积神经网络分类分析皮肤图像之间的关联关系,并分类皮肤图像的方法。(3)在研究卷积神经网络皮肤图像分类算法时,本文分析了卷积神经网络模型在训练时反馈算法采用固定学习率的问题,并提出了对此问题的优化方案。最后,依照本文设计的皮肤图像分布式存储系统,实现了卷积神经网络多维度皮肤图像分类的模型,并进行了优化,对比了优化后的效果。将本文设计的分布式存储系统在实际的环境中部署,并和现有的皮肤图像数据存储系统进行性能对比,以验证本方案在存储和读取性能上的提升。实验的结果证明了本文提出的皮肤图像分布式存储方案不仅在功能上具有完整性,而且在读写性能上有了较大的提升,是一种比较优秀的皮肤图像分布式存储方案。