La adquisición precisa y rápida de información sobre cultivos y malas hierbas es un requisito importante para las operaciones de deshierbe automatizado. Este documento propone la aplicación de un modelo de red basado en Faster R-CNN para la identificación de malas hierbas en imágenes de áreas de cultivo. El algoritmo de red de pirámide de características (FPN) se integra en la red Faster R-CNN para mejorar la precisión de reconocimiento. El modelo de red de aprendizaje profundo Faster R-CNN se utiliza para compartir características de convolución, y la red ResNeXt se fusiona con FPN para extracciones de características. Las pruebas utilizando >3000 imágenes para entrenamiento y >1000 imágenes para pruebas demuestran una precisión de reconocimiento de >95%. El método propuesto puede detectar eficazmente malas hierbas en imágenes con fondos complejos tomadas en el campo, facilitando así sistemas precisos de control de malas hierbas automatizados.