ملخص: ترتبط أمراض أوراق النبات ارتباطاً وثيقاً بحياة الإنسان اليومية.   ونظرًا للتنوع الكبير في الأمراض،  فإن تحديد وتصنيف الأمراض بواسطة العيون الاصطناعية لا يستغرق وقتًا طويلاً ويتطلب عمالة مكثفة فحسب،  وبالتالي تصنيف مناطق المرض المستهدفة.   ولمعالجة قضايا وقت تقارب التدريب الطويل ومعلمات النموذج الكبيرة جدًا،  تم تحسين الشبكة العصبية التلافيفية التقليدية من خلال الجمع بين هيكل وحدة البداية ووحدة الضغط والإثارة (SE) وطبقة التجميع العالمية لتحديد الأمراض.  تم دمج البيانات المميزة للطبقة التلافيفية في مقاييس متعددة لتحسين دقة مجموعة بيانات أمراض الأوراق.  تم استخدام طبقة التجميع المتوسطة العالمية بدلا من الطبقة المتصلة بالكامل لتقليل عدد معلمات النموذج.  تم أيضًا تقليل عدد معلمات النموذج ووقت التدريب بشكل كبير.