针对Googlenet模型识别准确率低、敏感性不佳等问题，提出一个应用改进的海马优化(SASHO)算法超参数优化Googlenet模型.首先，利用Sobel序列和自适应权重算法对海马优化算法进行改进；其次，对比4个基础神经网络选出最适合本文数据集的Googlenet作为基础识别模型；最后，利用改进后的SASHO算法对Googlenet模型参数进行优化，构建新模型SASHO-Googlenet.为验证SASHO-Googlenet模型的有效性，将SASHO-Googlenet模型与经过其他4个群智能算法优化的模型针对7个指标进行比较.结果表明，SASHO-Googlenet模型准确率达95.36%,敏感性达95.35%,特异性达95.39%,精度达96.47%,召回率达95.35%, f＿measure达95.90%, g＿mean达95.37%.实验结果表明，SASHO-Googlenet模型综合性能最佳.