本发明提供了一种基于深度学习的材料显微图像缺陷识别方法、设备及装置。首先采用分类标记对获取的材料结构显微图像进行缺陷标注；然后利用仿射变换将样本图片集分割形成训练集；接着利用含有分类标注的训练集对预先构建的缺陷识别模型进行训练；最后利用训练好的缺陷识别模型对待识别缺陷样本进行缺陷检测，获得目标缺陷样本中的缺陷类别与位置。本发明采用分类标注的方法对缺陷图像进行标注，并综合卷积神经网络模型、区域生成模型和语义分割模型，从而实现高精度的图像分割和识别，提高缺陷识别的速度和精度，有助于推动合金工业的智能化进展，加速第四次工业革命在金属铸造行业的应用。