本发明提供一种基于多种卷积神经网络融合的机场道面病害异物检测方法，其步骤包括：采集机场道面病害和异物图像；构建用于训练神经网络的机场道面病害异物数据库；搭建目标检测算法YOLOv3、Mask R‑CNN卷积神经网络；调整卷积神经网络超参数，直至收敛且误差损失值满足要求，保存此时的网络权重参数，完成YOLOv3、Mask R‑CNN卷积神经网络的训练；将训练后的YOLOv3、Mask R‑CNN卷积神经网络进行融合，构建机场道面病害和异物像素级别的智能分割模型；将测试图像输入到保存的模型中，输出机场道面的病害和异物的分割结果；统计分割结果的掩码对应图像的像素，输出机场道面病害和异物的语义信息。本发明具有更好的鲁棒性与泛化能力，能够提高机场道面病害异物的分割精度与效率。