La detección de enfermedades en las hojas de papa en una etapa temprana es un desafío debido a las variaciones en las especies de cultivos, los síntomas de las enfermedades de los cultivos y los factores ambientales. Estos factores dificultan la detección de enfermedades en las hojas de papa en una etapa temprana. Se han desarrollado diversas técnicas de aprendizaje automático para detectar enfermedades en las hojas de papa. Sin embargo, los métodos existentes no pueden detectar especies de cultivos y enfermedades de cultivos en general porque estos modelos están entrenados y probados en imágenes de hojas de plantas de una región específica. En esta investigación, se ha desarrollado un modelo de aprendizaje profundo de varios niveles para el reconocimiento de enfermedades en las hojas de papa. En el primer nivel, extrae las hojas de papa de la imagen de la planta de papa utilizando la técnica de segmentación de imágenes YOLOv5. En el segundo nivel, se ha desarrollado una técnica de aprendizaje profundo novedosa utilizando una red neuronal convolucional para detectar las enfermedades de la papa temprana y tardía a partir de imágenes de hojas de papa. El modelo propuesto de detección de enfermedades en las hojas de papa fue entrenado y probado en un conjunto de datos de enfermedades en las hojas de papa. El conjunto de datos de enfermedades en las hojas de papa contiene 4062 imágenes recopiladas de la región del Punjab Central de Pakistán. La técnica de aprendizaje profundo propuesta logró una precisión del 99.75% en el conjunto de datos de enfermedades en las hojas de papa. El rendimiento de las técnicas propuestas también se evaluó en el conjunto de datos de PlantVillage. La técnica propuesta también se comparó con los modelos de vanguardia y logró resultados significativos en cuanto a precisión y costo computacional.