本发明涉及数值模拟采集数据方法及深度学习技术领域，且公开了基于深度学习的陶瓷型芯烧结过程数据采集和形变预测方法，其独特之处在于，其整合了以下步骤，S1、实施陶瓷型芯烧结过程的数值模拟仿真；S2、建立用于深度学习的陶瓷型芯烧结前后切片数据集；S3、建立基于U‑net的深度学习模型用于预测陶瓷型芯烧结前后像素值变化；S4、通过三维重建算法将模型预测的新烧结工艺参数下陶瓷型芯的切片组重建出完整的陶瓷型芯。这项技术的运用，可以为涡轮叶片陶瓷型芯的制造提供一种高效精准的形变预测方法，提高了型芯生产效率，节约了生产试错成本，从而为提升陶瓷型芯等精密装备的精度及成品率提供有力的贡献。