La identificación y clasificación precisa de líneas mutantes de soja es esencial para desarrollar nuevas variedades de plantas a través de la cría por mutación. Sin embargo, la mayoría de los estudios existentes se han centrado en la clasificación de variedades de soja. Distinguir líneas mutantes únicamente por sus semillas puede ser un desafío debido a sus altas similitudes genéticas. Por lo tanto, en este artículo, diseñamos una red neuronal convolucional (CNN) de doble rama compuesta por dos CNNs individuales idénticas para fusionar las características de imagen de las vainas y las semillas y resolver el problema de clasificación de líneas mutantes de soja. Se utilizaron cuatro CNNs individuales (AlexNet, GoogLeNet, ResNet18 y ResNet50) para extraer características, y las características de salida se fusionaron e ingresaron al clasificador para la clasificación. Los resultados demuestran que las CNNs de doble rama superan a las CNNs individuales, con el marco de fusión de doble ResNet50 logrando una tasa de clasificación del 90.22 +/- 0.19%. También identificamos las líneas mutantes más similares y las relaciones genéticas entre ciertas líneas de soja utilizando un árbol de agrupamiento y un algoritmo de incrustación de vecinos estocásticos distribuidos en t. Nuestro estudio representa uno de los esfuerzos principales para combinar varios órganos en la identificación de líneas mutantes de soja. Los hallazgos de esta investigación proporcionan un nuevo camino para seleccionar líneas potenciales para la cría por mutación de soja y significan un avance significativo en la propagación de la tecnología de reconocimiento de líneas mutantes de soja.