本发明公开一种基于属性类别关系和少样本元学习的结构损伤识别方法，能够对几乎所有的损伤类别产生很好的精度和鲁棒性，采用少样本元学习框架，从初始损伤类别中随机、独立地采样得到元训练批次，训练一个参数化模型。每个元批次样本是由随机抽样的训练和测试子集组成的不同分类任务，元批次任务不断地进行迭代，不断涉及到不同的损伤类别。通过训练端到端的属性提取模型，提取损伤类别的共同类间知识作为属性，生成一系列二元语义特征作为描述向量。通过最小化预测属性表示向量与真实属性表示向量之间的距离，在传递已有属性的基础上，对测试集中的损伤类型进行推断和分类。该方法的总体精度为97.61％，召回率为97.58％，最低检测保证精度为92.5％。