基于卷积神经网络，提出了短切毡缺陷分类的方法。通过旋转、平移和翻转对数据集进行扩充，解决了小数据样本在深度卷积神经网络中的过拟合问题；利用迁移学习的思想加速网络收敛，提高了网络的泛化能力；对比了不同网络结构并选择较好的网络进行数据集验证。结果表明，所提方法能够实现短切毡缺陷的有效分类，准确率为93%。