针对碳纤维增强复合材料（carbon fiber reinforced polymer， 简称CFRP）缺陷检测通常由人工进行，存在检测效率低和漏检等问题，以掩码区域卷积神经网络（mask region based convolution nerual network，简称Mask R-CNN）为基础，提出了一种新的碳纤维增强复合材料缺陷检测网络（carbon fiber reinforced polymer defect detect region based convolutional neural network，简称CFRP-DDRCNN）。首先，该网络前端设置了图像裁剪和背景去除模块（background removal module，简称BRM），以提升网络的缺陷检测效率和精度；其次，引入分割图像数据集，将其和原图像数据集一起进行网络训练，以提高网络的缺陷检测精度；然后，引入注意力机制，提高网络的缺陷特征提取能力；最后，通过缺陷尺寸聚类对锚框参数进行优化，以提高缺陷检测精度。实验结果表明，所提出的CFRP-DDRCNN具有良好的CFRP缺陷检测性能，能有效提高CFRP缺陷的检测精度，与Mask R-CNN相比，CFRP-DDRCNN使CFRP缺陷检测的平均精准度提高了87.74%。