本发明公开了一种基于变分贝叶斯推理的烟支外观缺陷检测方法，在烟支外观缺陷检测场景中，为解决目前基于点估计的机器学习算法在数据稀缺区域导致过度自信决策的问题，本发明提出基于变分推理的贝叶斯方法来改进SSD的骨干网络，优选是使用变分推理方式来计算真实的后验概率，利用概率分布的形式替换原骨干网络中卷积层权重的点估计机制，然后再利用SSD目标检测算法对改进后的提取出的特征进行检测，进而精准确定烟支外观是否有缺陷以及缺陷的类型和位置。本发明能够在不损失处理速度前提下提升缺陷检测精度，既节约大量的人力物力，并可以有效地为缺陷类型寻找根源提供可靠的技术支持，进而实现卷烟生产车间的智能化质量风险管控。