Pour diagnostiquer rapidement les maladies des yeux du blé, rajeunir la structure de la classe accumulée et les caractéristiques des conditions spectrales analysées et un spectre élevé de la méthode de tri de pixels est axée. Premièrement, sur la base de la profondeur typique de la structure du réseau nerveux, a construit des réseaux nerveux de profondeur différents, comparant les résultats de la formation et les tests de points de données spectrales élevés de nouilles de riz. Les résultats montrent que la structure de groupe géométrique visuelle (VGG) avec la profondeur du réseau augmente, la valeur de la perte du modèle continue de décliner; La structure de réseau nerveuse restante ne réduit pas de manière significative la perte, montrant la profondeur et les performances du modèle du réseau RESNET n'impliquent pas de performances modèles. Du synthétiseur du modèle d'évaluation des tests, avec 4 couches réseau VGG 22 du module d'unité de base est optimale dans tous les modèles de profondeur cumulatif, sa précision de modélisation et de vérification beaucoup plus élevée que les vecteurs de support traditionnels (SVM), 0,846 et 0,843, respectivement, la précision du ministèreLe test est de 0,742 réseau de neurones profonds construit par VGG comme unité de base, qui peut effacer efficacement les caractéristiques spectrales élevées du broyage de blé.Les résultats de l'étude peuvent fournir des bases théoriques pour le diagnostic d'image intelligent du blé à grande échelle.