本发明公开了一种基于人在回路中抽样迭代的芯片缺陷检测方法，该方法首先采集相机拍摄得到芯片RGB图像，再根据有无缺陷进行标注，若有缺陷，识别出缺陷位置，按缺陷位置分为10类并按序号0~9进行标注。在初始模型训练阶段，使用特征提取深度网络对输入的图片进行特征提取，再使用四层卷积神经网络进行分类，将最大概率的索引数作为缺陷检测的分类结果。再对陆续从工厂获取的多批次的未标注数据进行缺陷检测,对每批次中最大概率小于设定阈值的图片进行存储，再随机抽取10%的样本数据，传递给人类专家进行人工标注后，使用强化学习进行模型训练，得到检测结果。本发明将人的知识融入训练流程中，保证了训练的可持续性，满足了工业界的高精度要求，更具有可实施性。