本发明公开一种基于轻量化网络的大型机械设备识别方法，包括：获取待识别大型机械设备的图像，对图像进行预处理后，输入预先训练的轻量化图像识别模型，得到大型机械设备的类别和图像位置；轻量化图像识别模型基于多种大型机械设备的图像样本训练得到；训练过程中，对于随机初始化权重矩阵的DNN神经网络利用交替方向乘子法ADMM进行迭代训练，得到低张量秩的DNN网络，然后对权重张量序列进行张量分解，使用随机梯度下降方法调整DNN网络的权重值；再对权重值和激活值做二值化处理，得到训练完成的轻量化图像识别模型。本发明的方法具有更高的图像分类识别准确性和鲁棒性，运算复杂程度低，可解决边缘设备内存资源受限的问题。