本发明实施例提供了一种基于卷积神经网络的样本分类识别方法，卷积神经网络训练过程中，在原始训练数据的基础上，通过排列组合的方式来得到一定数量的训练数据，之后基于实际应用中不同设备、不同环境下针对目标物质采集得到的光谱数据与实际光谱数据之间差异变化范围特点，通过调整训练数据的波长及强度的方式，来模拟通过不同设备、不同环境下采集的光谱数据，使得训练得到的卷积神经网络适用于不同设备、不同环境下采集的光谱数据的分类识别，从而无需再使用标准物质进行校准；此外，通过对原始训练数据进行随机组合以及模拟调整的方式增加数据量，能够降低原始训练数据的采集量，即在小样本情况下达到预期的卷积神经网络识别效果。