本发明提出一种数据增广的监督学习图像缺陷分类方法与系统，所述方法包括如下步骤：获取待训练图像；将所述待训练图像输入至感兴趣区域特征提取模块，以得到图像感兴趣特征区域；构建数据增广模型，对所述图像感兴趣特征区域进行数据增广，以得到数据增广后的数据集；构建监督学习神经网络模型，利用所述数据增广后的数据集对所述监督学习神经网络模型进行训练；将待预测区域图像放入至训练完的监督学习神经网络模型中进行预测，以得到图像分类结果。本发明具有人工标记需求小，分类识别性能良好，鲁棒性较高，可扩展性强的优点。