本发明属于非侵入式负荷识别技术领域，具体为一种基于深度学习的设备开关状态检测方法。本发明对序列‑点处理方式进行改进，即将对单个点的预测变成对一定目标序列长的预测，该目标序列更靠近中点以及中点附近的值，在保证较好预测性能的前提下提高预测的效率；同时引入用于原始音频信号建模的网络模块，采用堆叠空洞卷积来扩大网络的接收域，实现对长数据序列的高效建模并预测输出；网络模块包括：回归网络，用于对聚合负载数据进行负荷分解，得到不同设备的负载数据；分类网络，得到相应设备的负荷状态，整体输出综合两部分的信息，得到更加准确的设备开关状态预测结果。本发明在非侵入式设备开关状态识别方面具有显著优越性。