本发明涉及一种基于深度学习与气体光声效应的光声光谱识别方法与装置，其方法包括：利用光声效应和混合气体的光声光谱获取其对应的混合光声声谱；提取所述混合光声声谱的时域特征、频域特征、时频域特征；利用主成分分析法将所述时域特征、频域特征、时频域特征进行降维并映射到多维向量中；将所述多维向量、气体的浓度分别作为样本和标签，构建样本数据集；利用样本数据集训练时域卷积神经网络，得到训练好的时域卷积神经网络；将待识别的混合光声声谱输入到时域卷积神经网络中，识别出所述待识别的混合光声声谱所表征的混合光声光谱的气体的浓度。本发明通过结合光声效应和深度学习模型，提高混合气体的识别准确率和泛化能力。