中国的农业发展水平在国际上一直处于领先状态,尤其是进入20世纪80年代中期以后,中国现代农业发展水平显著提高,农业的发展也为我国的经济发展和社会稳定做出了贡献。自2004年开始,我国粮食的供应量随着我国人口数量的增长而持续增长。玉米作为三大农作物之一,在我国乃至于全世界都占据着重要的地位,因为它不仅是我国人民的主要口粮,也是全世界三分之一人的主要粮食。玉米生产都是从育种开始的,而育种的第一步就是挑选优质品种,若是一直采用人工分拣的方法,不但会导致玉米品质因人为因素误判,也会使得玉米产量无法得到有效的保障。为保障国家粮食安全、提高农业生产效率,本文将人工智能分类模型应用到玉米育种工作中,有利于玉米育种工作的精准、高效进行,进而有利于提高农业生产效益。本文以山东省收获玉米会检结果为应用背景,建立了BP神经网络玉米种子质量检测分级模型,从实验结果来看BP算法还存在需要改进之处。本文针对由于初始权值和阈值的随机性导致神经网络整体效果不佳的问题,提出利用遗传算法优化BP神经网络初始权值和阈值的优化方案。文中详细阐述了传统BP神经网络和优化过的GA-BP神经网络的训练、仿真、性能对比等过程,从实验结果来看,GA-BP神经网络的准确率较高,也更适合具体问题的实际应用。