El arroz, un cultivo alimentario básico en todo el mundo, es fundamental para la productividad agrícola y la salud pública. La clasificación automática de las plagas y enfermedades típicas del arroz es crucial para optimizar el rendimiento y la calidad del arroz en la producción práctica. Sin embargo, las ocurrencias poco frecuentes de plagas y enfermedades específicas generan muestras desiguales en el conjunto de datos y síntomas similares en etapas tempranas, lo que plantea desafíos para los métodos de identificación efectivos. En este estudio, empleamos cuatro técnicas de mejora de imágenes: volteo, modificación de saturación, modificación de contraste y agregado de desenfoque para equilibrar las muestras del conjunto de datos a lo largo del proceso de clasificación. Simultáneamente, mejoramos el modelo básico incorporando el mecanismo de atención ECA dentro del Bloque y después de la Cabeza, lo que resulta en la propuesta de un nuevo modelo de clasificación. El modelo clasifica con éxito seis categorías: cinco tipos de plagas y enfermedades típicas, junto con plantas de arroz saludables, logrando una precisión de clasificación del 97.06%, superando a otros modelos. Además, el estudio de ablación demuestra que los mejores resultados de clasificación se obtienen al integrar el mecanismo de atención ECA después de la Cabeza y dentro del Bloque del modelo. Por lo tanto, el método de clasificación presentado en este estudio proporciona una referencia valiosa para identificar las plagas y enfermedades típicas del arroz.