La baya de goji de Ningxia es el único producto de goji con valor medicinal en China. Sin embargo, los elementos nutricionales, ingredientes activos y valor económico de la baya de goji varían considerablemente entre diferentes orígenes en Ningxia. Es difícil determinar el origen de la baya de goji con métodos tradicionales debido a la misma variedad, orígenes similares y características externas. En el estudio, por primera vez hemos utilizado una red convolucional completamente residual de múltiples tareas (MRes-FCN) bajo una arquitectura optimizada por Bayes para imágenes de tecnología de imágenes hiperespectrales (HSI) de visible-infrarrojo cercano (Vis-NIR, 400-1000 nm) e infrarrojo cercano (NIR-1700 nm) para establecer un modelo de clasificación para el origen geográfico cercano de las bayas de goji de Ningxia (Zhongning, Guyuan, Tongxin y Huinong). Se utilizó un auto-codificador de eliminación de ruido (DAE) para generar datos aumentados, luego se combinó el análisis de componentes principales (PCA) con la matriz de co-ocurrencia de niveles de gris (GLCM) para extraer las características de textura. Finalmente, se añadieron tres conjuntos de datos (HSI, DAE y textura) al modelo de múltiples tareas. Los datos remodelados se aumentaron mediante convolución transpuesta. Después del procesamiento de datos dispersos, se importó la red principal para entrenar el modelo. Los resultados mostraron que el modelo MRes-FCN mostró un rendimiento excelente, con precisión del espectro completo y del espectro característico óptimo del 95,54% y 96,43%, respectivamente. Este estudio ha demostrado que el modelo MRes-FCN basado en la optimización de Bayes y la estrategia de aumento de datos DAE pueden utilizarse para identificar el origen geográfico cercano de las bayas de goji.