El análisis de los parámetros fenotípicos de las plantas está estrechamente relacionado con la cría, por lo que la investigación sobre el fenotipo de las plantas tiene una fuerte significación práctica. Este artículo utilizó el aprendizaje profundo para clasificar desde el nivel macro (planta) hasta el nivel micro (orgánulo). Primero, el modelo de múltiples salidas identifica líneas de acceso de Arabidopsis y realiza una regresión para predecir el estado de crecimiento de Arabidopsis a los 22 días. Los resultados experimentales mostraron que el modelo tuvo un excelente rendimiento en la identificación de líneas de Arabidopsis, y la precisión de clasificación del modelo fue del 99.92%. El modelo también tuvo un buen rendimiento en la predicción del estado de crecimiento de las plantas, y el error cuadrático medio de la regresión del modelo fue de 1.536. A continuación, se obtuvo un nuevo conjunto de datos al aumentar el intervalo de tiempo de las imágenes de Arabidopsis, y se verificó el rendimiento del modelo en diferentes intervalos de tiempo. Finalmente, se aplicó el modelo para clasificar los orgánulos de Arabidopsis para verificar la generalizabilidad del modelo. La investigación sugiere que el aprendizaje profundo ampliará los métodos de detección del fenotipo de las plantas. Además, este método facilitará el diseño y desarrollo de una plataforma de recopilación de información de alto rendimiento para los fenotipos de las plantas.