La textura del suelo es un atributo significativo de las propiedades del suelo. Obtener información sobre la textura del suelo es beneficioso al tomar decisiones agrícolas durante la producción. Sin embargo, evaluar la textura del suelo en condiciones de laboratorio específicas implica una dedicación sustancial, que es consumidora de tiempo e incluye un alto costo. En este documento, proponemos una red de detección de textura del suelo al incrustar la red de atención de canal de frecuencia y una red de codificación de textura en el paradigma de aprendizaje de representación del marco de trabajo ResNet. Concretamente, la primera es confiable para explotar las correlaciones de características entre múltiples frecuencias, mientras que la última se enfoca en codificar variables de características, mejorando conjuntamente la capacidad de expresión de características. Mientras tanto, las partículas de arcilla, limo y arena presentes en el suelo se exportan a través de una capa totalmente conectada de ResNet18. Los resultados experimentales muestran que el coeficiente de correlación para predecir el contenido de arcilla, limo y arena es de 0.931, 0.936 y 0.957, respectivamente. Para el error cuadrático medio, los puntajes cuantitativos son del 2.106%, 3.390% y 3.602%, respectivamente. La red propuesta también muestra capacidad de generalización, produciendo resultados bastante considerables en diferentes muestras de suelo. Es importante destacar que los resultados de detección casi coinciden con las mediciones de laboratorio convencionales y, al mismo tiempo, superan a otros competidores, lo que la hace muy atractiva para aplicaciones prácticas.