本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，具體為一種基于CNN的超聲無(wú)損檢測(cè)圖像缺陷分類方法。本發(fā)明方法包括采集超聲相控陣無(wú)損檢測(cè)圖像，并對(duì)檢測(cè)圖像進(jìn)行分類，構(gòu)造專用于超聲相控陣無(wú)損檢測(cè)圖像缺陷分類的數(shù)據(jù)集；并將數(shù)據(jù)集按照一定比例劃分為訓(xùn)練集、測(cè)試集，訓(xùn)練集用來(lái)訓(xùn)練網(wǎng)絡(luò)模型，測(cè)試集用來(lái)測(cè)試訓(xùn)練好的網(wǎng)絡(luò)模型的性能；設(shè)計(jì)專用的超聲相控陣無(wú)損檢測(cè)圖像缺陷分類的深度卷積神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)包括：數(shù)據(jù)輸入模塊、雙尺度特征提取模塊、特征重組模塊、特征融合模塊、CA模塊和分類器。本發(fā)明可以提高超聲相控陣無(wú)損檢測(cè)圖像中缺陷的分類效率，減輕相關(guān)制造企業(yè)再缺陷數(shù)據(jù)分析過(guò)程中的成本。