本发明提供的一种基于深度置信网络的分类识别算法及装置，其中方法包括：将获取到的输入图像输入深度置信网络，通过深度置信网络中的玻尔兹曼机依次计算获得输入图像的特征矩阵；通过分类器对特征矩阵进行分类获得该输入图像的类别。本发明使用深度置信网络提取图像的特征，对深度置信网络中的玻尔兹曼机依次计算，可以由一开始的接收图像数据逐步计算得到适合图像分类的抽象特征，最后通过分类器得到该图像的类型，实现每个隐藏层提取图像的不同特征，可以替代图像预处理、缺陷分割、提取缺陷特征向量等中间步骤，减少了图像处理的繁琐程度，减少了计算量，解决了传统的神经网络图像处理繁琐、计算量大的技术问题。