本發(fā)明公開了一種彩鋼瓦表面缺陷的CNN語義分割自學習檢測方法。包括：對彩鋼瓦原始灰度圖像進行二維離散傅里葉變換，得到彩鋼瓦頻譜圖像；計算彩鋼瓦功率譜圖像并進行二值化、形態(tài)學膨脹操作；設計遮罩數據，對彩鋼瓦頻譜圖像進行濾波、二維離散傅里葉逆變換；基于背景差分法，得到彩鋼瓦缺陷圖像；對彩鋼瓦缺陷圖像進行閾值化處理，生成標注圖像；對多個彩鋼瓦生成標注圖像，將彩鋼瓦原始灰度圖像與標注圖像作為樣本數據集，訓練語義分割深度卷積神經網絡；將待檢測彩鋼瓦原始灰度圖像輸入訓練好的神經網絡，得到彩鋼瓦缺陷檢測結果并對結果進行篩選。利用本發(fā)明，可以在彩鋼瓦表面缺陷檢測場景中，提高彩鋼瓦表面缺陷檢測效率和檢測精度。