쌀의 품종은 전 세계적으로 수십만 종이며 한국의 경우에도 수백 종에 이른다. 각각은 형태, 색, 크기 등의 표현형이 비슷하여 육안으로 구분하기는 쉽지 않은 상황이다. 최근 4차 산업혁명에 따라 IT 및 인공지능 기술이 급성장하였고, 특히 영상 분류를 위한 다양한 알고리즘이 개발되어 사람의 수준 뛰어넘는 결과를 보여주고 있다. 이에 본 연구에서는 쌀의 품종 분류를 위해 딥러닝 모델을 이용한 연구를 수행하였다. 연구에 사용된 쌀 품종은 일반인들은 구분하기 어려운 15가지 종류로 구성되었으며, 함수율에 의한 영향을 줄이기 위해 다양한 함수율을 가진 종자를 활용하였다. 영상획득을 위한 시스템을 구성하였고, 데이터 증대를 비롯한 다양한 전처리를 수행해주었다. 분류를 위한 모델로는 직접 학습을 수행한 CNN모델, 전이학습을 통한 모델, 현재 영상 분류의 최고 모델로 불리는 SOTA 모델 몇 가지를 활용하였다. 각각의 모델에 대하여 분류 모델 성능 지표를 통해 여러 측면에서 비교하였고 최적의 모델을 선정하였다. 연구결과를 통해 육안으로 구분이 어려운 유사한 형태의 쌀 품종 구분에 대한 가능성을 확인하였고, 다양한 유사 연구 활용가능할 것으로 기대된다.