本發(fā)明公開了一種半監(jiān)督深度學(xué)習(xí)缺陷檢測方法，將訓(xùn)練樣本數(shù)據(jù)按有無標(biāo)簽分類；初始化學(xué)生卷積神經(jīng)網(wǎng)絡(luò)Fs(m)的權(quán)重參數(shù)m；初始化教師卷積神經(jīng)網(wǎng)絡(luò)參數(shù)Ft(m)＝Copy(Fs(m))，教師卷積神經(jīng)網(wǎng)絡(luò)和參數(shù)均從學(xué)生卷積神經(jīng)網(wǎng)絡(luò)復(fù)制；獲得了學(xué)生卷積神經(jīng)網(wǎng)絡(luò)Fs(m)和教師卷積神經(jīng)網(wǎng)絡(luò)Ft(m)以及始化權(quán)重參數(shù)后，對學(xué)生卷積神經(jīng)網(wǎng)絡(luò)和教師卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；獲得經(jīng)過訓(xùn)練的網(wǎng)絡(luò)可用學(xué)生卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行缺陷檢測工作，將需要被檢測的數(shù)據(jù)輸入學(xué)生卷積神經(jīng)網(wǎng)絡(luò)，學(xué)生卷積神經(jīng)網(wǎng)絡(luò)預(yù)測其有無缺陷或者屬于哪一類缺陷。本發(fā)明基于半監(jiān)督深度學(xué)習(xí)架構(gòu)Fixmatch和平均教師模型的缺陷檢測方法，需要少量標(biāo)簽數(shù)據(jù)即可實(shí)現(xiàn)高精度的工業(yè)產(chǎn)品表面缺陷自動檢測。