本发明公开了一种小样本集下基于深度网络的梨缺陷分类方法，步骤如下：步骤S1：采集不同缺陷类型的梨图像，建立缺陷图像数据库；步骤S2：将缺陷梨图像划分为图像块，并根据缺陷分类；将图像缺陷做成标签，形成mat文件，作为小样本数据集标签；步骤S3：提取每个图像块的多种特征，并进行归一化；步骤S4：将图像块的多种特征按顺序合并成mat文件，形成特征向量；步骤S5：重复步骤S1至步骤S4提取每个图像块特征向量，形成特征矩阵，并与标签数据合并为小样本数据集；按8:2的比例将数据集划分为训练数据集和测试数据集；步骤S6：构建深层网络对数据集进行训练，实现特征融合和选择；步骤S7：提取图像块的多种特征，利用训练好的网络对特征进行智能分类。