La cosecha oportuna puede garantizar efectivamente el rendimiento y la calidad del colza. Con el fin de cambiar el modelo de experiencia artificial en el monitoreo del período de cosecha de colza, se propuso un método de predicción inteligente del período de cosecha basado en una red de aprendizaje profundo. Tres variedades de colza de campo en el período de cosecha se dividieron en 15 parcelas, y se utilizaron teléfonos móviles para capturar imágenes de silicua y tallo y medir manualmente el rendimiento. El rendimiento diario se dividió en tres grados de más del 90%, 70-90% y menos del 70%, de acuerdo con la proporción del rendimiento máximo de las variedades. Se extrajeron las características de alto dimensiones de las imágenes del dosel de colza utilizando redes CNN en el espacio HSV que estaban significativamente relacionadas con la madurez de la colza, y se seleccionaron las siete características de color de los tallos de colza utilizando bosques aleatorios en los tres espacios de color RGB/HSV/YCbCr para formar una característica conjunta de dosel-tallo como entrada al clasificador posterior. Teniendo en cuenta que el proceso de maduración de la colza es una serie temporal continua, se utilizó la red LSTM para establecer el modelo de predicción de clasificación del rendimiento de la colza. Los resultados experimentales mostraron que Inception v3 de las cinco redes CNN tiene la mayor precisión de predicción. La tasa de reconocimiento fue del 91% cuando solo se utilizaron las características de imagen del dosel, y la tasa de reconocimiento utilizando características combinadas de dosel-tallo alcanzó el 96%. Este método puede predecir con precisión el nivel de rendimiento de la colza en la etapa madura solo utilizando un teléfono móvil para tomar una imagen en color, y se espera que se convierta en una herramienta inteligente para la producción de colza.