Fusarium se ha convertido en un importante impedimento para la producción estable de trigo en muchas regiones del mundo. Las plantas de trigo infectadas no solo experimentan una reducción en el rendimiento y la calidad, sino que sus espigas generan toxinas que representan una amenaza significativa para la salud humana y animal. Actualmente, existen dos métodos principales para controlar efectivamente la fusariosis de la espiga del trigo (FHB, por sus siglas en inglés): la pulverización de agentes químicos cuantitativos y el desarrollo de variedades de trigo resistentes a la enfermedad. La premisa de ambos métodos es diagnosticar con precisión la gravedad de la FHB del trigo en tiempo real. En este estudio, se desarrolló un sistema de fusión multi-modelo basado en aprendizaje profundo para la detección integrada de la gravedad de la FHB. Se investigaron esquemas de combinación de marcos de red y estructuras de soporte para la segmentación de espigas y manchas de trigo. Los resultados del entrenamiento demostraron que Mobilev3-Deeplabv3+ muestra fuertes capacidades de refinamiento de características a múltiples escalas y logró una alta precisión de segmentación del 97,6% para imágenes de espigas de trigo de alto rendimiento. Al implementar la fusión de características paralelas desde entradas de alta a baja resolución, w48-Hrnet destacó en el reconocimiento de manchas de FHB finas y complejas, logrando una precisión de hasta el 99,8%. Se ha logrado el refinamiento de la clasificación de la FHB del trigo desde las perspectivas de control epidémico (de cero a cinco niveles) y de cría (de cero a 14 niveles). Además, se verificó la efectividad de introducir la característica de color HSV como factor de ponderación en el modelo de evaluación para la clasificación de las espigas de trigo. El algoritmo de fusión multi-modelo, desarrollado específicamente para el proceso integral, logró con éxito las tareas de segmentación, extracción y clasificación, con una precisión general del 92,6% para los grados de gravedad de la FHB. El sistema integrado, que combina el aprendizaje profundo y el análisis de imágenes, proporciona un diagnóstico fiable y no destructivo de la FHB del trigo, lo que permite el monitoreo en tiempo real para agricultores e investigadores.