随着我国谷子种植面积的逐年增加,谷子已经成为我国北方甚至全国重要的杂粮作物。谷子幼苗期及生长过程中需要时刻检测土壤和施肥环境,避免出现大规模的缺钾、缺镁等元素缺失情况。准确识别谷子在幼苗时期及生长过程中是否存在元素缺失的情况,对及时为谷子补充所需营养物质和预测谷子未来的长势都具有重要的意义。随着农业信息化技术的发展,计算机技术在图像识别方面应用取得的良好效果,为谷子生长中是否缺少元素图像的识别判断提供了有力的支持。深度学习方法在图像识别领域中有着传统图像识别方法所难以达到的效果,随着人工神经网络模型的出现和不断完善,深度学习方法在图像识别领域所取得的识别精度和准确度不断提升,这为本文所研究的课题提供了重要依据。本文提出了一种改进的卷积神经网络,使用Inception结构进行优化,在不同尺度上组合深度特征以识别各种大小的异变斑块形态,准确提取输入谷子图形的特征,从而提高网络识别分类的准确率。实验结果表明,本文所设计的方法在有效识别谷子图像缺少元素类型方面可以达到较高的识别精度,进一步验证了本文研究课题的有效性和所提方法的高效性。