Este trabajo tiene como objetivo construir un sistema de reconocimiento fino de fenotipos de plántulas de fábrica de plantas basado en un algoritmo de colonia de hormigas (ACA) de red neuronal artificial (ANN). Para abordar los problemas de complejidad y alta demora del sistema de reconocimiento de plantas en fábricas de plantas, primero se emplean múltiples cámaras en diferentes posiciones para recolectar imágenes de plántulas y construir imágenes 3D. Luego, se adopta el algoritmo de redes neuronales convolucionales de región de máscara (MRCNN) para analizar los fenotipos de las plantas. Finalmente, se emplea el ACA optimizado para optimizar el tiempo de proceso en la fábrica de plantas, construyendo así un sistema de identificación fina de fenotipos de plántulas de fábrica de plantas a través de ANN combinado con ACA. Además, se analiza el rendimiento del modelo. Los resultados muestran que las plantas tienen cuatro etapas de fenotipos, a saber, la etapa de germinación, etapa de plántula, etapa de roseta y etapa de encañado. La precisión de la etapa de germinación alcanza el 97.01%, y el tiempo de prueba requerido es de 5.64 s. Además, la precisión de optimización de la secuencia de tiempo de proceso del algoritmo del modelo propuesto se mantiene en 90.26%, y la demora y el consumo de energía se estabilizan en 20.17 ms y 17.71, respectivamente, cuando el volumen de datos es de 6000 Mb. Sin embargo, el problema de la oclusión de la adquisición de imágenes en el proceso de construcción de imágenes 3D aún necesita más estudio. Por lo tanto, el sistema de reconocimiento fino basado en ANN-ACA para fenotipos de plántulas de plantas construido puede optimizar el tiempo de proceso de una manera más en tiempo real y de menor consumo de energía y proporcionar una referencia para la progresión integrada de sistemas de reconocimiento inteligente no tripulados y conjuntos completos de equipos para plantas en la etapa posterior.