本发明提供了一种基于深度学习的平面超振荡透镜优化设计方法，涉及超振荡透镜技术领域，本方法包括步骤S1：初始特征值定义在平面超振荡透镜的聚焦平面上，在聚焦平面上聚焦光斑的半高宽的值大于衍射极限时，初始定义特征值为0；在聚焦平面上聚焦光斑的半高宽小于衍射极限时，初始定义特征值为旁瓣与主瓣的比值；S2：获取超振荡透相应的特征值，构建深度学习建模的训练集和测试集，并将数据集划分为小批量；S3：构建基于卷积神经网络的超振荡特征值预测模型。本方法能够降低平面超振荡透镜设计所需算力成本，缩短优化周期，从而实现平面超振荡透镜的快速设计。