我们提出了一种用于盲图像质量评估（BIQA）的深度双线性模型，该模型能够处理合成和真实失真。我们的模型由两个卷积神经网络（CNN）组成，每个网络专门针对一种失真场景。对于合成失真，我们预先训练了一个CNN来分类图像失真类型和程度，这得益于大规模的训练数据。对于真实失真，我们采用了预训练的CNN进行图像分类。来自这两个CNN的特征通过双线性池化合并为一个统一表示，用于最终的质量预测。随后，我们使用随机梯度下降的一种变体对整个模型在目标主观评分数据库上进行了微调。大量实验表明，所提出的模型在合成和真实数据库上的性能均优于现有方法。此外，我们在Waterloo探索数据库上通过组最大差异竞赛验证了该方法的泛化能力。