1.一种基于云数据库的色素障碍性皮肤病分类专家系统，其包括小型电子显微模块、弹性模量测试模块、微生物快速检测模块、660nm‑910nm波长红光红外血红蛋白感应模块、紫外线接收成像模块、红外线接收成像模块、接触式电导率测试模块、输入信号转数字信号模块、人工智能和机器学习模块、皮肤个体差异化模型建立模块、皮肤科专家经验数据库、皮肤科专家规则数据库、皮肤病面部图像云数据库、皮肤药物不良反应云数据库、护肤品化学成份云数据库、数据库自收集和进化模块、皮肤病人工智能诊断输出图形界面、禁忌药物与化学成份提示模块、适宜药物与化学成分提示模块、皮肤病护理提示模块；所述小型电子显微模块是具有手机或计算机USB接口的小型电子显微模块；

一种基于云数据库的色素障碍性皮肤病分类专家系统，它还包括存储器与微处理器，所述存储器通过内部总线与外部通信端口与各数据收集模块联系并收集数据；

所述外部通信端口至少包括USB接口、网络数据线通信端口、蓝牙通信端口、WIFI通信端口、GSM通信端口、GPRS通信端口中的一种或任意多种；

所述微处理器可为计算机或手机上的CPU，通过皮肤个体差异化模型建立模块的自编程序，进行数据录入与建模处理，并且实时与各模块和各数据库发生交互；

所述皮肤病人工智能诊断输出图形界面，为计算机或手机上智能操作系统运行的自编软件；

所述的小型电子显微模块，包括消色差型40倍放大物镜、与之配套的10倍放大目镜、微型电子摄像机、或与物镜配套的10倍放大带USB接口与摄像功能的电子目镜；所有镜头直径不能超过2cm，不带数据线的硬件长度，不能超过3cm，拍照后的图像数据通过通信端口传输至微处理器，所得患者皮肤照片质量不应低于300万像素，所得皮肤照片以图片中心点为准，半径为1～3mm的圆形范围内提取图像特征；

所述弹性模量测试模块，包括小型负压真空泵，高精度压力传感器，高精度拉力传感器，直径为1～3mm、长度为1～2cm的圆柱形不锈钢管，或直径为1～3mm、长度为1～2cm的圆柱形PVC管，开启负压真空泵的真空值应在0.01‑0.1MPa；所得皮肤的包括压力值与拉力值的皮肤弹性特征，应经过压力传感器和拉力传感器，将信息传入微处理器，并由微处理器转化为数字值，且经过调试和校正后才能使用；

所述微生物快速检测模块，包括美国BactTest型便携式细菌测定仪、激发波长360nm‑

470nm，发射波长460nm‑530nm的定波长荧光仪、邻硝基苯β‑D‑半乳吡喃糖苷(ONPG)培养基、

4‑甲基伞形酮‑β‑D葡萄糖醛酸苷(MUG)培养基、Risym光敏亮度检测二极管(4针)、光信号转数字信号转换器；

所述660nm～910nm波长红光红外血红蛋白感应模块，包括660nm波长的红光LED灯管和

910nm波长的红外光LED灯管，光信号转数字信号转换器，血氧仪，数字化还原血红蛋白感应曲线模型，数字化氧合血红蛋白感应曲线模型，光信号转数字信号转换器；

所述紫外线接收成像模块，包括315～400nm紫外线光电二极管UVA、280～315nm紫外线光电二极管UVB、100～280nm紫外线光电二极管UVC、185nm～260nm波长深紫外探测器、紫外线照相机；拍照后的紫外线图像数据通过通信端口传输至微处理器；所得紫外线皮肤照片质量不应低于300万像素；所得皮肤照片以图片中心点为准，半径为1～3mm的圆形范围内提取图像特征；

所述红外线接收成像模块，包括红外线发射管IR15‑21C/TR8，红外线发射管IR26‑51C/L110/TR8，红外线照相机；拍照后的红外线图像数据通过通信端口传输至微处理器；所得红外线皮肤照片质量不应低于300万像素；所得皮肤照片以图片中心点为准，半径为1～3mm的圆形范围内提取图像特征；

所述接触式电导率测试模块，包括便携式电导率仪、便携式pH测试仪、0.1级pH试纸、接触式数字温度计；所得皮肤的包括表皮温度值、电导率值与pH值的皮肤电化学特征，应经过电传感器和电信号转数字信号转化器，将信息传入微处理器，并由微处理器转化为数字值，且经过调试和校正后才能使用；

所述输入信号转数字信号模块，包括模数A/D转换器、IK型标准信号转换器；

所述人工智能和机器学习模块，包括自编的支持向量机分类与回归程序、自编的人工神经网络深度学习程序、自编的偏最小二乘法程序、自编的主成分分析程序、自编的集成学习法Bagging程序、自编的集成学习法Adaboost程序、自编的简单贝叶斯网络算法、自编的决策树算法、自编的遗传进化算法、自编的最近邻算法、自编的随机森林算法、自编的回归树算法；

所述皮肤个体差异化模型建立模块，包括自编的皮肤数据数字化电子表格、自编的皮肤特征数字化电子表格、自编的皮肤分类类型输出电子表格、自编的皮肤分类模型人工智能投票程序、自编的皮肤分类调用人工智能和机器学习模块各算法程序、自编的皮肤三维模型程序、自编的图片处理和皮肤特征提取程序；

所述皮肤科专家经验数据库，包括自行收集的皮肤科重要中文文献217篇，自行收集的皮肤科重要英文文献182篇，上述文献以篇名、关键字和相关病症为索引，制成Access数据库文件的形式存储在网络云盘，随时可以调用；

所述皮肤科专家规则数据库，包括自编的色素痣病变特征识别程序ABCDE规则(A：非对称Asymmetry；B：边缘不规则Border irregularity；C：颜色改变Color variation；D：直径Diameter；E：隆起Elevation)、自编的疱疹特征识别程序、自编的毛囊炎特征识别程序、自编的黄褐斑特征识别程序、自编的痤疮特征识别程序、自编的白癜风特征识别程序、自编的斑痣特征识别程序、自编的皮炎特征识别程序、自编的色素障碍性皮肤病各特征识别程序；

所述皮肤病面部图像云数据库，包括自行收集编撰的男性患者面部图片肌肤数据库，自行收集编撰的女性患者面部肌肤图片数据库，图片以性别、网名、年龄、肌肤部位、具体所患皮肤病症、皮肤测试参数和所属地区为索引，制成Access数据库文件的形式存储在网络云盘，随时可以调用；

所述皮肤药物不良反应云数据库，包括根据国家食品药品监督局公布的《国家基本药物目录》中皮肤科药物三十种，以及除此之外的一些常用皮肤病药物二十种，上述药物根据其名称、剂型、含量、不良反应症状和处理方法为索引，制成Access数据库文件的形式存储在网络云盘，随时可以调用；

所述护肤品化学成份云数据库，包括自行收集编撰的化妆品化学成份共195个化合物，根据其命名、含量、CAS号、化学分子式和分子量化学数据为索引，制成Access数据库文件的形式存储在网络云盘，随时可以调用；还包括自编的皮肤科常见外用药电子表格、自编的皮肤科常见口服药电子表格、自编的皮肤科常见注射用药电子表格；上述电子表格以Access数据库文件的形式存储在网络云盘，随时可以调用；

所述数据库自收集和进化模块，是通过调用自编的半监督机器学习程序，主要采用人工神经网络深度学习算法、最近邻算法、简单贝叶斯网络算法和遗传进化算法，对皮肤科专家经验数据库、皮肤科处方数据库、皮肤科专家规则数据库、皮肤病面部图像云数据库、皮肤药物不良反应云数据库、护肤品化学成份云数据库进行维护和拓展，主要是以算法对通过互联网搜索引擎Google、百度上更新的资料和图片，以及后续不断收集的数据、图片和文献进行归类分析，整理至服务器的文件夹，以方便后续人工处理和皮肤科专家进行审核入库；

所述皮肤病人工智能诊断输出图形界面，包括手机上自编的APP软件程序和计算机上自编的Windows软件程序，这两个程序能分别在手机的ISO、安卓系统和计算机的Windows系统上独立运行整个专家系统，并在各自平台上以图形界面的形式输出皮肤个体差异化模型结果和皮肤病人工智能诊断结果；

所述禁忌药物与化学成份提示模块，包括自编的对应皮肤基本属中的小类别，所对应的禁忌药物与化学成份电子表格，在皮肤个体差异化建模后会向用户发送其皮肤所属类别的这部分禁忌药物与化学成份文本，该模块中的数据，以皮肤药物不良反应云数据库、护肤品化学成份云数据库为基础；

所述适宜药物与化学成分提示模块，包括自编的对应皮肤基本属中的小类别，所对应的适宜药物与化学成份电子表格，在皮肤个体差异化建模后会向用户发送其皮肤所属类别的这部分适宜药物与化学成份文本，该模块中的数据，以皮肤药物不良反应云数据库、护肤品化学成份云数据库为基础；

所述皮肤病护理提示模块，包括自编的对应皮肤基本属中的小类别，所对应的皮肤护理小常识、方法和方案电子表格，根据不同地方和该地空气湿度，大气参数和紫外线强度对用户进行提示文本的电子表格，在皮肤分类建模后会向用户发送健康护理提示文本。

2.一种基于云数据库的色素障碍性皮肤病分类专家系统，运行步骤如下：(1)专家系统预处理：将皮肤病面部图像云数据库中的数据取出，并进行皮肤基本属中的小类别的标识，利用皮肤科专家经验数据库、皮肤科专家规则数据库构造出输入变量、皮肤基本类别的电子表格；

(2)皮肤个体差异化模型建立：利用皮肤病面部图像云数据库中数据构造出的输入变量，调用人工智能和机器学习模块进行初步建模，接着调用皮肤个体差异化模型建立模块，通过皮肤科医生和专家对分类结果的精确度进行投票，选择支持向量机分类程序、人工神经网络深度学习程序、偏最小二乘法程序、主成分分析程序、集成学习法Bagging程序、集成学习法Adaboost程序、简单贝叶斯网络算法程序、决策树算法程序、遗传进化算法程序、最近邻算法程序、随机森林算法程序或回归树算法程序中的一种或几种，作为某个皮肤基本属，即美白属(白皙性、普通色素性、暗沉性)，油水属(油性、中性、干性)，敏感属(易过敏性、一般敏感性、耐受性)，紧致属(细腻紧致性、一般紧致性、皱纹性、易皱性)，色斑属(易起斑性、不易起斑性)和染菌属(易染菌性、一般染菌性、不易染菌性)的分类器；

(3)多模块获取用户皮肤数值参数：通过小型电子显微模块、弹性模量测试模块、微生物快速检测模块、660nm‑910nm波长红光红外血红蛋白感应模块、紫外线接收成像模块、红外线接收成像模块、接触式电导率测试模块、输入信号转数字信号模块进行快速收集某用户的具体皮肤数据，其中包括皮肤显微彩色和灰度清晰图片、各个弹性模量值、皮肤每平方毫米菌值以及可能菌类、皮肤血氧含量、皮肤紫外成像清晰图片、皮肤红外成像清晰图片、皮肤电导率、皮肤表层温度、皮肤pH值；上述数据需在输入信号转数字信号模块进行转化，其中图片格式统一转化为BMP格式；

(4)将皮肤数值参数代入皮肤个体差异化模型：用户皮肤数值参数取得后，不能直接使用，需调用皮肤个体差异化模型建立模块中的图片处理与皮肤特征提取程序，将电子显微模块、弹性模量测试模块、微生物快速检测模块、660nm～910nm波长红光红外血红蛋白感应模块、紫外线接收成像模块、红外线接收成像模块、接触式电导率测试模块传送的数值，整理为包括皮肤黑色素光密度值、皮肤红色素光密度值、皮肤弹性特征值、皮肤相对含水量、皮肤酸碱度值、皮肤油脂密度值、皮肤毛孔半径值、皮肤皱纹强度、皮肤纹理值、皮肤色斑分布值、皮肤色斑强度值、皮肤毛发值、皮肤灰度值、皮肤平滑值、皮肤图像分割四算子特征值、皮肤染菌系数值、皮肤创面系数值、皮肤痤疮系数值、皮肤紫外斑点值、皮肤炎症系数值、皮肤血氧含量百分值在内二十四个建模特征变量，然后将这些特征变量代入所预先建立的皮肤个体差异化模型中，经过机器学习的分类器计算，即可得到用户皮肤所属的差异化类型，以此为基础，可更好诊断色素障碍性皮肤病分类；

(5)专家系统分类后处理：在得到用户皮肤所属的类型后，所识别的皮肤图片和二十四个建模特征变量，还需调用皮肤科专家规则数据库，对其包括色素痣病变特征、疱疹特征、毛囊炎特征、黄褐斑特征、痤疮特征、白癜风特征、斑痣特征、皮炎特征的色素障碍性皮肤病各特征进行识别，根据用户皮肤所属类型和皮肤科特征识别，调用皮肤病人工智能诊断输出图形界面，告知用户其个体差异化皮肤类型和可能的皮肤病变，调用禁忌药物与化学成份提示模块，向用户发送其皮肤所属类别的这部分禁忌药物与化学成份文本，调用适宜药物与化学成分提示模块，向用户发送其皮肤所属类别的这部分适宜药物与化学成份文本，调用皮肤病护理提示模块，向用户发送其皮肤所属类别部分健康护理提示文本；

(6)专家系统自动进化：通过人机对话，询问用户是否愿意将其个人数据包括皮肤照片，各测试参数，皮肤模型，在去除私隐信息后，保留至皮肤病面部图像云数据库中；若用户同意，则上传该数据并更新云数据库；在达到一定的更新数量后，调用数据库自收集和进化模块，对数据库和皮肤个体差异化模型进行汇集和更新，从而使专家系统不断进化，分类和分析的准确性越来越高。