基于轻量化深度学习模型的结构缺陷快速识别与分类方法，包括：利用VGG16‑U‑Net模型对采集的缺陷图像进行语义分割处理，去除图像背景噪声干扰，构建EfficientNetB0模型，对EfficientNetB0模型进行训练，得到训练好的EfficientNetB0模型，将语义分割处理后的缺陷图像输入训练好的EfficientNetB0模型中进行识别，并输出识别结果，本申请协同了VGG16‑U‑Net的语义分割技术，可实现图像的自动预处理，提高图像识别算法的鲁棒性。数据评价模型的性能相当准确，模型规模和训练速度之间达到良好的平衡。模型的训练速度和识别速度加快，使用余弦退火的随机梯度下降算法以提高模型学习率，避免陷入局部最小值，快速寻找全局最小值。