本发明公开了一种基于机器学习的金属表面缺陷检测方法，首先将一定数量的缺陷图像数据集输入VGG16模型前两个卷积层得到缺陷图像的特征图，对特征图进行拼接以及相关处理后，采用主成分分析法对转换成二维特征向量集的特征图进行降维，得到特征向量集；再将特征向量集中的每一个特征向量与输入图像的每个像素点一一对应，得到训练样本集，并输入至随机森林算法训练得到检测模型；最后将待检测图像通过预处理后低维成特征向量集，再用训练好的随机森林模型进行缺陷检测，将检测模型输出向量转换为二维矩阵，二维矩阵可视化为图像，得到最终检测结果。