本发明涉及一种基于改进条件生成对抗网络及深度学习模型的刀具磨损状况检测方法，步骤：采用快速傅里叶变换将采集到的时域电压信号转换到频域电压信号；随机选取频域电压信号中N个连续的点组成数据样本，每一次刀具磨损产生M个样本，然后将数据样本分为训练和测试部分；在改进的CGAN‑HQOA算法中输入不同刀具磨损训练样本，生成具有相应标签的伪样本；将生成的伪样本和真实的训练样本一并输入卷积神经网络进行训练；使用训练过的卷积神经网络，利用测试样本识别不同的刀具磨损情况，完成刀具磨损状况检测工作。