本发明提供了一种联合主动学习和深度学习技术的工业检测方法，包括以下步骤：S1，构建主动学习模型，建立无标签数据池、有标签数据集；S2，进行样本选择，选择出无标签数据池中不确定性和多样性较高的样本并标注，完成有标签数据集的重构；S3，搭建yolov5目标检测模型；所述yolov5目标检测模型是在yolov5基础模型的骨干网络中嵌入注意力模块SA；S4，采用重构的有标签数据集对yolov5目标检测模型进行模型训练，在验证集上经过模型评估合格后，即获得yolov5网络模型，并实现模型上线部署。本发明模型训练过程中采用主动学习技术查询无标注数据集，择优挑选“最有价值”的样本，从而降低人工标注数量和成本。