本申请提供一种肠镜报告生成方法和装置；该方法先获取进镜开始时刻和肠镜下的多个进镜体内图像，在从各进镜体内图像中识别到包括目标肠段的进镜体内图像时，输出第一识别结果并触发语音交互系统，然后获取退镜过程中的中间态白光图像，并在获取到初始态退镜体外图像时确定退镜结束时刻，接着通过语音交互系统响应于用户发出的至少一条第一语音指令，对中间态白光图像进行识别处理得到第二识别结果，最后根据进镜开始时刻、第一识别结果、退镜结束时刻以及第二识别结果生成肠镜报告。该方法将图像识别技术与语音交互技术结合，实现了肠镜报告的自动生成，降低了肠镜检查中的人力成本，提高了报告的准确性。