本發(fā)明公開了一種基于紅外和超聲信號融合的復合材料缺陷檢測方法及系統(tǒng)，采集包含復合材料紅外信號和超聲信號的數(shù)據(jù)集，將數(shù)據(jù)集劃分為訓練數(shù)據(jù)集和驗證數(shù)據(jù)集；構建基于深度學習的信號特征學習與融合分類模型，將訓練數(shù)據(jù)集輸入信號特征學習與融合分類模型中進行訓練；將驗證數(shù)據(jù)集輸入訓練好的信號特征學習與融合分類模型中，得出復合材料缺陷檢測結果。有效解決超聲檢測存在的對缺陷類型的判斷受人為因素影響較大和缺陷定性難的問題以及紅外熱成像檢測中存在的缺陷類型分類準確率不高和無法很好的反映缺陷位置的問題，實現(xiàn)客觀的對復合材料缺陷類型、位置的判斷，提高缺陷類型分類的準確率。