一种基于深度学习的手闸紧固故障识别方法,涉及图像识别技术领域，针对现有技术中人工检查效率低，准确率低的问题，步骤一：获取原始图像，并构建数据集；步骤二：针对数据集中的图像，截取手闸部件范围子图；步骤三：将截取到的手闸部件范围子图中制动缸圆筒头部和推杆进行标记，并将标记后的图像作为训练集；步骤四：利用训练集对faster‑rcnn网络模型进行训练；步骤五：将待检测图像输入到训练好的faster‑rcnn网络模型中，得到检测结果。本申请利用图像自动识别的方式代替人工检测，可以解决人工检测长时间重复看图的疲劳问题，对于同种故障统一标准，提高了检测效率、准确率。