El algodón es uno de los productos agrícolas económicamente más significativos del mundo; sin embargo, es susceptible a numerosos ataques de plagas y virus durante la temporada de crecimiento. Las plagas (mosca blanca) pueden afectar significativamente un cultivo de algodón, pero la detección oportuna de enfermedades puede ayudar en el control de plagas. Los modelos de aprendizaje profundo son los más adecuados para la clasificación de enfermedades de las plantas. Sin embargo, la escasez de datos sigue siendo un cuello de botella crítico para las aplicaciones de visión por computadora de rápido crecimiento. Varios modelos de aprendizaje profundo han demostrado resultados notables en la clasificación de enfermedades. Sin embargo, estos modelos han sido entrenados en conjuntos de datos pequeños que no son confiables debido a problemas de generalización del modelo. En este estudio, primero desarrollamos un conjunto de datos sobre hojas atacadas por mosca blanca que contiene 5135 imágenes que se dividen en dos clases principales, a saber, (i) saludable y (ii) no saludable. Posteriormente, propusimos un enfoque basado en Transformador Convolucional Compacto (CCT) para clasificar el conjunto de datos de imágenes. Los resultados experimentales demuestran la efectividad del enfoque propuesto basado en CCT en comparación con los enfoques de vanguardia. Nuestro modelo propuesto logró una precisión del 97.2%, mientras que Mobile Net, ResNet152v2 y VGG-16 lograron precisión del 95%, 92% y 90%, respectivamente.