针对机械系统磨损状态监测与故障诊断中油液磨粒识别难度大、时间与人力成本高等问题，提出了基于深度学习的油液磨粒智能检测与分割方法。首先，基于滤膜谱片技术制备油液磨粒谱片并采集图像，构建了含6类不同金属磨粒的优质数据集；其次，根据数据集特点与算法优缺点，搭建单阶段实例分割模型YOLACT与两阶段实例分割模型Mask-RCNN对磨粒进行智能检测与分割。实验结果表明：Mask-RCNN模型平均检测精确率为93.8%，召回率为92.7%，适用于磨损颗粒智能分析的精准检测；YOLACT模型平均检测精确率为84.7%，召回率为83.3%，检测速度快，边缘分割精细，适用于磨损颗粒快速检测与智能分割；两种模型均有效提高了油液磨粒的检测效率。