本发明提供了一种基于改进DeepLabv3+网络模型的铸件表面缺陷识别方法包括如下步骤：步骤S1、采集铸件图像数据集，获得训练集和测试集；步骤S2、构建网络模型，并通过训练集和测试集对网络模型进行数据训练和修正，生成缺陷检测网络；步骤S3、设计缺陷检测网络的损失函数；步骤S4、所述缺陷检测网络识别并输出铸件缺陷检测结果，并显示检测时长。本发明采用深度学习的方法对铸件表面缺陷进行识别，提升了缺陷识别的精度和速度，为工业铸件质量检测提供新思路。