本发明公开了一种基于EEG通道多尺度并行卷积的跨主体疲劳检测深度学习方法，包括：通过多个电极采样得到待处理的EEG信号；构建深度可分离卷积模块，包括逐点卷积和逐深度卷积；将EEG信号送入深度可分离卷积模块进行特征提取，获取EEG空间与通道维度的特征信息；构建通道切分的多尺度并行卷积模块，包括通道切分模块和多尺度并行分组卷积模块；通过通道切分模块对特征信息按通道维度进行切片分组；通过多尺度并行分组卷积模块子特征分别用不同尺寸卷积核进行多频率提取并对进行多频率融合；构建分类模块，包括全连接层和softmax层，将经过提取融合后的特征信息送入分类模块，得到疲劳状态的分类检测结果。本发明在跨主体疲劳检测任务中具有优秀的性能表现。