本发明公开了一种基于深度学习的台区部件检测方法，克服了现有技术现有技术的人工测量成本高、耗时久的问题，包括：S1、进行样本收集，收集多个地区标准台区的多种距离、角度、方位的图片数据；S2、对收集到的样本进行样本标注；S3、样本经过调整后输入台区部件检测模型进行模型训练和待测样本图片预处理；S4、进行模型推理。本发明本案可以通过对图片进行处理和计算完成巡检对台区部件进行质量判断，并根据结果判断台区安装是否规范，能够缩短巡检时间，实现台区部件量化指标的测量；通过双目相机进行样本收集，且可以规范部件安装位置距离的测量，便于对图片数据进行下一步处理。