尽管卷积神经网络（CNNs）在植物病害检测中得到了广泛应用，但在处理背景异质性较高的图像时，它们需要大量的训练样本。本文提出了一种基于CNN的双阶段方法，该方法能够在小型且背景异质性的水稻籽粒病害数据集上有效工作。在第一阶段，使用Faster R-CNN方法从图像中裁剪出重要部分（即水稻籽粒），从而生成一个去除了异质背景的次级数据集。第二阶段则利用CNN架构对这些简化后的样本进行病害分类。将双阶段方法与直接在小型籽粒数据集上应用CNN的方法进行对比，结果表明所提出的双阶段方法具有更高的有效性，其五折交叉验证准确率达到88.07%。