本发明属于结构损伤识别技术领域，特别涉及一种基于格拉姆角场的跨域结构损伤识别迁移学习方法及装置，该方法包括采集不同结构的原始时序信号构建损伤识别数据集，划分损伤识别的源域和目标域；基于格拉姆角场理论对源域损伤识别数据集中原始时序信号进行升维重构将一维信号转化为二维图像信号；将上面的二维图像信号输入到RepVGG模型中，RepVGG模型对二维图像信号进行深度特征挖掘并进行损伤类型识别，更新RepVGG模型参数；使用目标域少量损伤识别数据集提取其格拉姆角场特征后，对已训练获得的RepVGG模型参数进行微调。本发明利用迁移学习技术将已有结构的损伤识别模型迁移到目标域的结构损伤识别任务中，实现对目标域结构进行快速、低成本、高精度的损伤识别。