一种基于特征集中的机器学习数据增强方法，包括以下步骤：S1、特征提取：获取图像数据集，每张图片剪切到与被检查组件的方面相对应的感兴趣区域；S2、特征集中：对标记数据与非标记数据进行特征集中，分别生成标记数据和非标记数据的特征集中目标函数；S3、目标训练：根据标记数据和非标记数据的特征集中目标函数生成训练目标模型并完成训练；S4、实验和测试：选取包含相同数量的正常和缺陷方面图像的数据集进行验证和测试；本发明同时运用带标记数据和未标记数据的特征集中，解决了正常和不良图像样品数量不平衡与数据标注难的问题，有效提高图像分类的精度。