本发明公开了一种基于卷积神经网络的铝质气雾罐涂层质量检测方法，包括步骤：获取生产线上的铝质气雾罐产品的拍照样本；将所述拍照样本进行分类，完成原始图像数据标记；进行数据增强，并构建样本数据集；建立网格模型：Fine tuning‑GoogLeNet和Fine tuning‑ResNet18，经过训练后输入新的图像数据，利用经过训练的缺陷判别模型进行图像分类预测，将预测概率最高的图像数据标签作为判断依据。采用本发明，对铝质气雾罐涂层的内、外涂层质量检测准确率分别达到99.38％和96.4％，且效率高，与人工目测检测相比速度更快、准确率和可靠性更高；比传统基于特征提取的机器视觉检测方式的场景适应能力更强、鲁棒性更好，能降低企业成本和提高产品质量检测的效率。