现有基于神经网络识别工业机器人的负载识别方法易出现过度学习问题，且识别精度依赖于样本数量。为解决这一问题，提出了一种小样本条件下融合机器人动力学模型和神经网络的负载辨识方法。首先，提出了基于卷积神经网络（convolutional neural network，简称CNN）的负载辨识方法，并分析了预测模型参数和不同神经网络的影响；其次，建立了多自由度工业机器人的经典动力学模型，并分析了动力学模型辨识的负载；最后，从动力学模型的计算结果中提取速度和位移等确定性信息作为初始锚定值，并应用CNN对残留的高度非线性信息进行补偿。结果表明：在UR5型机器人的负载测试实验中，所提方法在小样本条件下预测负载的平均误差小于5%，总体误差波动小于10%，验证了该方法的有效性。