本發(fā)明公開了一種基于機(jī)器學(xué)習(xí)提高無損檢測(cè)精度的方法，包括依次進(jìn)行的以下步驟：A、建立人工智能基本模型，收集大量檢測(cè)數(shù)據(jù)作為學(xué)習(xí)數(shù)據(jù)；B、將步驟A中收集的學(xué)習(xí)數(shù)據(jù)導(dǎo)入人工智能基本模型中進(jìn)行訓(xùn)練；C、將需要分析的檢測(cè)數(shù)據(jù)導(dǎo)入訓(xùn)練后的人工智能基本模型中，人工智能基本模型生成檢測(cè)結(jié)果。本發(fā)明使用多個(gè)目標(biāo)參數(shù)并結(jié)合被測(cè)物已知狀態(tài)進(jìn)行人工智能學(xué)習(xí)，利用貝葉斯網(wǎng)絡(luò)和神經(jīng)元網(wǎng)絡(luò)作為基本模型進(jìn)行建模，采用決策樹方法進(jìn)行分析，相比傳統(tǒng)技術(shù)，提高了目標(biāo)參數(shù)的利用，且采用人工智能判斷，摒棄了傳統(tǒng)的人為經(jīng)驗(yàn)干預(yù)，有效的提高檢測(cè)結(jié)果的精度。