针对实际应用场景中小麦不完美谷物识别数据较少导致识别率低的问题，提出并实现了一种基于迁移学习的CNN DBN小麦不完美谷物识别方法。利用基于大型公共数据集ImageNet的VGG－16、VGG－19和ResNet50号卷积神经网络训练前深度，提取小麦特征，将获得的特征融合并传输到深度信念网络（DBN）进行分类。结果表明，将转移学习卷积神经网络（CNN）和DBN相结合用于小麦籽粒识别，转移学习VGG-16+vgg-19+resnet50 DBN模型的识别效果最好，准确率为91.86%，特征融合方法使提取的小麦图像信息更丰富、更全面。CNN DBN模型结合了有监督网络和无监督网络的优点，对高维数据具有较好的分类能力，为小麦子粒识别提供了理论支持。