Como método de diagnóstico de plasma comúnmente utilizado, la metodología de análisis espectral genera una gran cantidad de datos y tiene una relación cuantitativa compleja con los parámetros de descarga, lo que resulta en una baja precisión y una operación que consume mucho tiempo de los métodos tradicionales de reconocimiento espectral manual. Para reconocer rápidamente y de manera eficiente los parámetros de descarga basados en los datos espectrales recopilados, se construyó una red neuronal convolucional profunda unidimensional (1D), que puede aprender las características de los datos de diferentes clases de espectros de plasma de etileno para obtener los parámetros de descarga correspondientes. Los resultados muestran que este método tiene una precisión de reconocimiento superior al 98%. Este modelo proporciona una nueva idea para el diagnóstico espectral del plasma y su aplicación relacionada.