本发明公开了一种基于深度残差网络的变电站安全帽识别方法及系统，属于变电站技术领域。本发明通过构建具有4个残差块的深度残差网络对变电站安全帽进行识别，有效提高了检测识别准确率，同时使得训练深度网络变得更加容易，有效避免出现传统卷积网络随着深度增加存在的梯度爆炸和梯度消失等问题。进而，本发明构建的深度残差网络采用Dropout层，以一定概率使随机的神经元不工作，能够有效防止过拟合现象。同时，本发明在训练时通过Softmax函数和交叉熵函数相结合的方式来计算损失函数值，提高了训练效率，减缓了训练得到的深度残差网络训练模型的性能退化，从而可以提取到更全面、更准确的特征，方案详尽，切实可行。