自适应光学(AO)成像系统受残余大气湍流、闭环跟踪误差和光电探测噪声等因素的影响, 成像结果参差不齐, 不利于后期图像筛选和事后处理, 故需要对图像质量进行评价。传统图像质量评价方法对自适应光学图像质量的评价不可靠, 甚至会出现评价结果与实际背离的情况。针对上述问题, 根据自适应光学系统的成像过程, 生成具有图像质量标签的自适应光学退化图像数据集, 在此基础上采用以ResNet作为主干的深度神经网络, 训练得到了用于评价自适应光学图像质量的神经网络模型, 在测试集上的Spearman相关系数(SROCC)最佳为0.994。实验结果表明, 该方法综合考虑了自适应光学图像成像过程中的多种退化因素, 通过训练深度神经网络得到无参考自适应光学图像质量评价模型, 评价精度优于其他传统图像质量评价算法。