En la actualidad, la nariz electrónica se ha convertido en una nueva tecnología para la detección rápida de pesticidas. Sin embargo, la técnica puede identificar erróneamente muestras que no han sido incluidas en el entrenamiento. Por lo tanto, en este artículo se propuso por primera vez un modelo híbrido basado en aprendizaje no supervisado y supervisado. El modelo dividió el proceso de detección de residuos de pesticidas en el suelo en dos pasos: (1) se utilizó un método de aprendizaje automático no supervisado para identificar si el suelo estaba contaminado con pesticidas; (2) cuando el suelo estaba contaminado con pesticidas, se utilizó además un clasificador supervisado para predecir los tipos de pesticidas en el suelo. Los resultados experimentales mostraron que el modelo tenía una precisión de reconocimiento del 99,3% y 99,27% para determinar si el suelo estaba contaminado con pesticidas y el tipo de pesticida presente en el suelo contaminado, respectivamente, con un tiempo de detección de 0,03 s. Los resultados revelaron que el modelo híbrido propuesto puede reflejar rápidamente y de manera integral el estado de la información del suelo.