La identificación precisa de plagas de insectos es clave para mejorar el rendimiento de los cultivos y garantizar la calidad y seguridad. Sin embargo, bajo la influencia de las condiciones ambientales, el mismo tipo de plagas muestra diferencias obvias en la representación intraclase, mientras que los diferentes tipos de plagas muestran ligeras similitudes. Los métodos tradicionales han sido difíciles de manejar para la identificación detallada de plagas, y su implementación práctica es baja. Para resolver este problema, este artículo utiliza una variedad de terminales de equipos en el Internet de las Cosas agrícolas para obtener un gran número de imágenes de plagas y propone un modelo de identificación detallada de plagas basado en la red de fusión de probabilidades FPNT. Este modelo diseña un extractor de características detalladas basado en una red CSPNet de espina dorsal optimizada, que explora diferentes niveles de expresión de características locales que pueden distinguir diferencias sutiles. Después de la integración de la capa de agregación NetVLAD, la capa de fusión de probabilidad con compuerta aprovecha al máximo las ventajas de la complementariedad de la información y el acoplamiento de la confianza de la fusión de múltiples modelos. La prueba de comparación muestra que el modelo PFNT tiene una precisión de reconocimiento promedio del 93.18% para todo tipo de plagas, y su rendimiento es mejor que otros métodos de aprendizaje profundo, con una reducción del tiempo de procesamiento promedio a 61 ms, lo que puede satisfacer las necesidades de reconocimiento de imágenes detalladas de plagas en el Internet de las Cosas en la práctica agrícola y forestal, y proporcionar una referencia de aplicación técnica para la advertencia temprana inteligente y la prevención de plagas.