本发明公开了一种基于深度学习的睡眠鼾声检测方法及智能枕头系统,实时采集鼾声,并加载鼾声的原始音频,原始音频包括鼾声和环境噪声的混合音频；对混合音频进行MFCC特征提取；将MFCC图像输入至预训练的LightSnore-Net模型,用于从背景噪声中识别鼾声并量化鼾声强度,输出鼾声强度分类结果；LightSnore-Net模型包括：自适应平均池化层和自适应最大池化层分别提取MFCC图像的特征并相加,获得全局特征；全局特征经过全连接层后转换为MFCC图像的通道权重；用全局平均池化层对MFCC特征图的通道维度进行压缩,基于压缩后的特征和通道权重输出相应鼾声强度类别。本发明考虑到在多变现实环境中对鼾声识别的准确率的同时,提高了使用者的舒适度,并且适用于有限硬件资源的应用环境。