本发明公开了一种基于深度学习与声发射技术的拉索损伤识别方法，首先，利用声发射设备测量正常状态与损伤状态拉索的声发射信号各N组，形成数据集，将数据集中的信号序列打上标签，将N组信号归一化，并划分为训练集和测试集；建立长短期记忆全卷积神经网络，对声发射信号进行训练，保存训练好的模型和参数；利用声发射设备在现场获取拉索的声发射信号，将信号输入上述训练好的模型中，自动判别拉索是否存在损伤。本发明直接处理声发射的原始信号，效率高，成本低，相对于传统的人工检测法以及磁通量法更具有明显的自动化优势。