二维相位解包裹算法广泛应用在光学测量中，但目前的相位解包裹算法在大噪声的情形效果很差。在本研究中，我们提出了一种基于深度卷积神经网络的方法来进行相位解包裹。具体来说，由于卷积神经网络具有一定程度的抗噪声特性和强大的特征表示能力，我们首先采用一种基于DeepLabV3+的语义分割网络来获得包裹相位图的分割结果。然后，我们将包裹的相位图与获得的分割结果相加，得到我们算法的临时结果。最后，随着后处理（即细化）的实施，我们可以获得精确结果，即展开的相位图。为了评估我们方法的性能，我们对模拟数据和实际数据进行了大量实验。