本发明公开了一种基于轻量级卷积神经网络的复合绝缘子憎水性检测方法，首先构建含有七个憎水性等级的复合绝缘子喷水图像样本集并加注标签，通过预处理扩充样本集并划分训练、验证和测试集；然后迁移MobileNet、ShuffleNet和GhostNet等在大型数据集中训练过的轻量级卷积神经网络模型，修改模型结构与输出，对网络层进行分段式学习率设置，构建憎水性检测模型，并通过Adam、SGDM等算法进行模型优化；最后利用复合绝缘子憎水性等级智能识别模型对测试集喷水图像进行憎水性检测，输出识别结果与准确率。本发明能够克服传统检测方法需要人工裁剪图片且受光照影响严重的局限性，可以提高复合绝缘子憎水性检测的效率与准确性。