Uno de los cultivos alimentarios más importantes es el arroz. Por esta razón, la identificación precisa de las plagas del arroz es un fundamento crítico para el control de plagas en el arroz. En este estudio, proponemos un algoritmo para la identificación y clasificación automática de plagas del arroz basado en redes convolucionales completas (FCN) y seleccionamos 10 plagas del arroz para experimentos. Primero, introducimos un nuevo codificador-decodificador en el FCN y una serie de subredes conectadas por trayectorias de salto que combinan saltos largos y conexiones de atajo para una detección precisa y detallada de los límites de los insectos. En segundo lugar, la red también integra un módulo de campo aleatorio condicional (CRF) para el refinamiento del contorno de los insectos y la localización de los límites, y finalmente, se propone un novedoso marco DenseNet que introduce un mecanismo de atención (ECA) para centrarse en la extracción de características de los bordes de los insectos para una clasificación efectiva de plagas del arroz. El modelo propuesto se probó en el conjunto de datos recopilados en este documento, y la precisión de reconocimiento final fue del 98.28%. En comparación con los otros cuatro modelos en el documento, el modelo propuesto en este documento es más preciso, más rápido y tiene una buena robustez; al mismo tiempo, se puede demostrar a partir de nuestros resultados que la segmentación efectiva de imágenes de insectos antes de la clasificación puede mejorar el rendimiento de detección de los sistemas de clasificación basados en el aprendizaje profundo.