本发明为基于多任务深度学习的断路器触头系统故障评估方法，首先对断路器触头系统进行故障试验，采集不同工作状态下的触头振动信号；其次用连续小波变换将触头振动信号转换为二维时频图；然后，以ResNet18为主干网络构建基于多任务的故障评估模型，模型由一个共享层和两个任务层组成，共享层的输出特征图分别作为两个任务层的输入，一个任务层用于评估故障类型，另一个任务层用评估故障程度；最后，对基于多任务的故障评估模型进行多任务联合训练，将预训练的故障评估模型用于评估故障类型和故障程度。该方法通过提取故障类型与程度之间的深层信息，使模型对故障分类和程度评估任务进行互助学习，实现故障类型和程度的同时评估。