خاک یکی از مهم‌ترین منابع تولید در کشاورزی محسوب می‌شود. بنابراین با شناسایی دقیق خاک و خصوصیات مهم آن می‌توان به مدیریت صحیح و استفاده پایدار از زمین‌های کشاورزی دست یافت. مطالعه حاضر با هدف شناسایی انواع بافت خاک با استفاده از روش بینایی ماشین و شبکه عصبی پیچشی عمیق انجام شد. مدل کانولوشن ارائه شده از دو بلوک متفاوت تشکیل شده است که شامل انواع لایه‌ها از جمله لایه‌های پیچشی، لایه‌های تجمیع‌کننده بیشینه، لایه‌های هموارساز، لایه برون‌انداز، نرمال‌سازی دسته‌ای، لایه‌های تماماً متصل و یک طبقه‌بند ماشین بردار پشتیبان بود. این مدل بر روی تصاویر نمونه‌های مختلف خاک (11 نوع بافت و مجموعاً 790 نمونه) مورد آموزش و آزمون قرار گرفت. این داده‌ها توسط یک سامانه بینایی ماشین و یک دوربین تلفن همراه هوشمند آماده‌سازی شدند. پارامترهای آماری مهم از جمله دقت، صحت، خاصیت، حساسیت و مساحت زیر نمودار به ترتیب 65/99 %، 75/98 %، 8/99 %، 75/98 و 27/99 %، با استفاده از ماتریس اغتشاش محاسبه شد. مدل پیشنهادی توانست با دقت 1/98 % تصاویر نمونه‌های خاک را با موفقیت طبقه‌بندی نماید. نتایج به‌دست آمده نشان داد که مدل پیاده‌سازی شده در این مطالعه می‌تواند جایگزین مناسبی برای روش‌های پر هزینه و زمان‌بر آزمایشگاهی تعیین نوع بافت خاک باشد.