本发明公开了一种基于深度学习的烟包缺支检测方法，属于烟包缺支检测技术领域，通过烟包缺支检测系统完成烟包缺支状态的在线智能识别与分类，具体包括如下步骤：采集样本烟包滤嘴侧图像；采用图像处理技术，对取得的烟包滤嘴侧图像进行数据增强，扩充样本数据；根据样本数据，基于Keras框架和DenseNet轻量级卷积神经网络训练滤嘴侧分类模型；通过本地和Web两种检测方式调用滤嘴侧分类模型，实时采集待检测烟包滤嘴侧图像，进行烟包缺支判决。本发明采用基于深度学习模型的烟包缺支在线检测算法，对比传统的图像算法，检测准确性高，鲁棒性强；发布的RESTful接口，可以充分利用有限的GPU硬件资源，同时扩展深度学习模型的应用场景。