目的　在基于舌图像的中医体质类型分类中,舌图像的类间距小,传统手工特征提取时存在底层特征不能够充分表达舌图像所包含的全部信息等问题.因此本文提出一种基于深度网络特征层融合的体质类型分类方法　,以提高体质类型分类的准确率.方法　通过比较不同网络模型对舌图像的分类表现,及对不同网络层的特征表达能力的分析,选取将浅层特征与高层语义特征进行融合的方法　.该深度特征融合方法　基于Alexnet网络进行改进,依据误差权重对各层特征进行融合,并采用983张舌图像,对气虚质、痰湿质和湿热质三种体质类型的分类进行仿真实验.结果　相比传统特征提取与原始深度网络,本文方法　的准确率由传统分类方法　的54.3％提高到了77％.结论　基于深度特征融合的方法　将浅层特征与深度特征融合,充分表达了图像的语义信息,对中医辅助辨识、临床、教学和科研具有极其重要的意义.