本發(fā)明涉及一種基于CNN的超聲復(fù)合材料缺陷三維成像方法及系統(tǒng)，屬于三維成像領(lǐng)域，方法包括：對(duì)待測(cè)復(fù)合材料試件進(jìn)行掃描，采集坐標(biāo)值(X，Y)下的超聲A掃描時(shí)域信號(hào)；將所述超聲A時(shí)域信號(hào)以一維數(shù)組a[n]的形式存儲(chǔ)；將所述超聲A時(shí)域信號(hào)進(jìn)行經(jīng)驗(yàn)小波變換(EmpiricalWaveletTransform，EWT)，并將所述一維數(shù)組a[n]轉(zhuǎn)換為二維時(shí)頻域信號(hào)圖像EWT?Hilbert譜圖，以圖片的形式存儲(chǔ)；構(gòu)建CNN網(wǎng)絡(luò)模型；將所述EWT?Hilbert譜圖輸入至所述CNN網(wǎng)絡(luò)模型，得到復(fù)合材料缺陷深度值D；將所述坐標(biāo)值(X，Y)和所述深度值D進(jìn)行數(shù)據(jù)融合，形成三維離散成像矩陣，完成缺陷三維成像，本發(fā)明中的上述方法用于實(shí)現(xiàn)缺陷智能三維成像，提高缺陷深度值的智能識(shí)別準(zhǔn)確率。