本發(fā)明提供一種基于深度學(xué)習(xí)的復(fù)合材料損傷的檢測方法，包括S1、使用ImageNet數(shù)據(jù)庫的圖像對AlexNet網(wǎng)絡(luò)進行預(yù)訓(xùn)練；S2、從已有的復(fù)合材料的文獻中收集復(fù)合材料的圖像的數(shù)據(jù)集；S3、將數(shù)據(jù)集中75％的圖像隨機選擇用于AlexNet網(wǎng)絡(luò)訓(xùn)練，25％的圖像被隨機選擇用于驗證AlexNet網(wǎng)絡(luò)；S4、調(diào)整訓(xùn)練好的AlexNet網(wǎng)絡(luò)的學(xué)習(xí)速率，對復(fù)合材料損傷的類型和嚴重程度進行分類。本發(fā)明通過采用AlexNet網(wǎng)絡(luò)訓(xùn)練模型代替人工目檢和無損檢測的方式對復(fù)合材料的損傷程度及類別進行檢測，提高了檢測的精度和效率，降低了檢測的成本。