[目的]针对我国插秧质量评价主要基于人工观察和随机抽样的现状，提出了一种基于卷积神经网络GoogLe的水稻秧苗图像形态识别方法。[方法]首先，在超低空、无人机通过航空摄影获得清晰完整的稻田秧苗图像，并通过切割标记制作漂浮秧苗、受伤秧苗和合格秧苗的数据集。然后，基于GoogLe的Net结构训练数据，得到了最佳的网络识别模型。最后，对单孔幼苗图像进行分类，并与传统的图像分类算法（SVM和BP神经网络）进行比较。[结果]在相同的样本条件下，基于GoogLe Net的幼苗形态识别方法更快、更准确地完成了判断和分类。幼苗形态识别的平均准确率为91.17%，平均识别时间为0.27秒。与SVM和BP神经网络相比，分类的平均准确率分别提高了21和13个百分点，检测时间分别缩短了1.09和0.58秒。[结论]本研究可为水稻插秧质量评价提供相关支持。