本发明公开了一种基于深度学习的钢中非金属夹杂物的智能识别和评级方法，该方法针对金相分析中非金属夹杂物人工评级工作强度大、精度低，而传统灰度阈值分割和特征提取方式局限性大、普适性低的问题，引入了深度神经网络算法。方法首先收集人工标注的非金属夹杂物显微图像及其标记作为训练样本，然后搭建语义分割深度神经网络模型、构造优化损失函数，并基于梯度下降方法对模型训练，从而实现端到端地图像特征自动提取和非金属夹杂物的分类和边界提取，最后对提取的夹杂物边界进行长度、宽度计算，获得夹杂物的评级预测。本发明使用深度学习算法，实现钢中非金属夹杂物的智能识别和评级，极大提高了钢铁产品检测精度和效率，降低了检测成本。