本发明公开了基于深度学习的磁瓦内部缺陷检测方法包括：采集磁瓦声音信号并将所述声音信号输入到卷积网络模型中进行内部缺陷检测；所述卷积网络模型包括依次连接的五个滤波器和一个分类器，所述滤波器包括卷积层和池化层，卷积层的输出数据均经过批归一化处理后输入到池化层，第一个滤波器的卷积层的卷积核为32×1，后四个滤波器的卷积层的卷积核均为3×1，五个滤波器的池化层的卷积核均为2×1；所述分类器包括全连接层和softmax层。并将所述检测方法应用到磁瓦内部检测的系统及装置上，本发明利用卷积网络从磁瓦的声音信号中提取特征，能够有效的挖掘数据中的隐藏信息，从而实现识别磁瓦内部的缺陷，进而实现智能磁瓦内部检测，具有很好的工业价值。