Si los pacientes con retinopatía diabética (RD) no reciben un diagnóstico y tratamiento rápidos, pueden perder la visión. La RD, un trastorno ocular causado por altos niveles de glucosa en sangre, se está volviendo más prevalente en todo el mundo. Una vez que se detectan las señales de advertencia tempranas, se debe validar la gravedad de la enfermedad antes de elegir el mejor tratamiento. En esta investigación, se utiliza una red de aprendizaje profundo para detectar y clasificar automáticamente las imágenes de fondo de RD según la gravedad, utilizando extracción de características basada en AlexNet y Resnet101. Las capas interconectadas ayudan a identificar las características o atributos críticos; además, los sistemas de colonias de hormigas también ayudan a elegir las características. Pasar estos atributos seleccionados a través de SVM con múltiples núcleos dio como resultado el modelo de clasificación final con una precisión prometedora. El experimento basado en 750 características demuestra que el enfoque propuesto ha logrado una precisión del 93%.