本发明涉及一种基于深度学习的混合气体光声光谱识别方法与装置，其方法包括：获取多张混合气体的光声光谱，记所述光声光谱为第一光声光谱；对多张所述第一光声光谱依次进行傅里叶去卷积、双边滤波，得到多张第二光声光谱；利用导数法对所述第二光声光谱进行分峰，然后提取每个波段的波形特征和气体特征信息；利用波形特征和气体信息构建多维向量，构建样本数据集；利用样本数据集训练目标识别神经网络，将待识别的光声光谱输入到训练好的目标识别神经网络中，得到识别信息。本发明结合了传统滤波方法和导数法对重叠峰进行分峰，然后利用目标识别神经网络识别光声光谱，识别的速度快、成本低、稳定性好。