La detección automática de peso es un paso esencial en la producción de la fábrica. En este estudio, se creó un conjunto de datos que contiene 1154 imágenes, y luego se utilizó la tecnología de visión artificial para extraer ocho características bidimensionales de las imágenes. Debido a que los cuerpos frutales tienen formas diferentes, estas características estaban menos correlacionadas con el peso. En este artículo se propuso un método de derivación de características multidimensionales y un modelo CNN basado en atención para resolver este problema. Este estudio tuvo como objetivo realizar la tarea tradicional de selección de características mediante algoritmos de aprendizaje profundo y construir un modelo de estimación. En comparación con diferentes algoritmos de regresión, los valores R cuadrado ajustado, error absoluto medio, error cuadrático medio y error absoluto medio porcentual del CNN basado en atención fueron 0.971, 7.77, 5.69 y 5.87%, respectivamente, y mostraron el mejor rendimiento. Por lo tanto, puede utilizarse como un método preciso, objetivo y efectivo para las mediciones de peso automáticas de .