El trigo es un cultivo de grano crucial en China, sin embargo, diferenciar diferentes variedades de trigo en la etapa madura únicamente a través de la observación visual sigue siendo un desafío. Sin embargo, la identificación automática de variedades de trigo en la etapa madura es muy importante para la gestión de campos, área de siembra y predicción de rendimiento. Con el fin de lograr un reconocimiento preciso y eficiente de las variedades de trigo plantadas en campos de trigo, en este estudio se propone un método de reconocimiento basado en un modelo de red DenseNet mejorado. La incorporación de mecanismos de atención SE y ECA mejora la capacidad de representación de características, lo que conduce a un mejor rendimiento del modelo y al desarrollo del modelo SECA-L-DenseNet para el reconocimiento de variedades de trigo. Los resultados experimentales muestran que el modelo SECA-L-DenseNet logra una precisión de clasificación del 97,15% en el conjunto de datos personalizado, superando al modelo DenseNet original en un 2,13%, lo que demuestra una mejora significativa. El modelo permite la identificación precisa de variedades de trigo en el campo y puede integrarse en aplicaciones para la identificación automatizada de variedades, estimación del área de siembra y predicción de rendimiento en equipos cosechadores.