本研究将深度学习应用于中医舌苔特征识别，提出基于计算机视觉的轻量级网络FEA-YOLOv11。该架构通过ASPPF、FEC3K2和EC3K2模块实现多尺度特征融合，增强对不同形状与尺度舌苔特征的检测能力，同时降低计算成本、抑制噪声干扰。实验表明，优化模型较原始YOLOv11的mAP提升3.1%，参数减少115,520个，为舌苔自动化诊断提供了高效的轻量级解决方案。