Phân loại côn trùng chính xác là yếu tố quan trọng trong quản lý sâu bệnh và bảo vệ cây trồng. Nghiên cứu này đề xuất một phương pháp phân loại côn trùng sử dụng mô hình học sâu YOLOv11 với các cải tiến về kiến trúc và hiệu suất. Hai tập dữ liệu được sử dụng là IP102 và PEST204, trong đó PEST204 là phiên bản mở rộng từ IP102 với số lượng loài và chất lượng hình ảnh được cải thiện. Các biến thể của YOLOv11 được áp dụng kết hợp với học chuyển tiếp và tăng cường dữ liệu nhằm nâng cao độ chính xác. Mô hình được đánh giá qua các chỉ số như độ chính xác, thời gian xử lý và tài nguyên tính toán. Kết quả cho thấy YOLO11x-cls đạt độ chính xác cao nhất, trong khi YOLO11n-cls và YOLO11s-cls thể hiện tiềm năng triển khai trên thiết bị di động nhờ hiệu suất tốt và tốc độ nhanh. Ngoài ra, kỹ thuật Eigen-CAM được sử dụng để trực quan hóa vùng ảnh quan trọng, giúp tăng khả năng diễn giải mô hình. Kết quả cho thấy hiệu quả của YOLOv11 trong phân loại côn trùng, đóng góp vào phát triển hệ thống nông nghiệp thông minh.