本发明公开了一种基于深度学习和沙克哈特曼波前传感器的多光涡涡旋光束拓扑值探测方法，借鉴了强度脊提取类方法的思想，并巧妙地将多光涡情况下闭合回路的提取转化成了语义分割问题，且用U‑Net这一深度学习方法进行了实现，从而避免了光涡间交融部分对闭合回路获取的影响。此外，为了解决多光涡情况下训练数据无法获得的困境，本发明提出了一种数据生成方法即通过精细化地处理单光涡数据，即可大批量地生成多光涡数据以用于网络训练；在方法设计上，本发明基于场景分析选择了骰子损失函数作为损失函数，并引入了闭运算这一后处理以提升算法性能。大量实验结果表明，本发明可以实现对多光涡光束中，每个光涡的同时、准确的拓扑值探测。