La detección automática de enfermedades en plantas es necesaria, ya que reduce el trabajo tedioso de monitorear grandes granjas y detectará la enfermedad en una etapa temprana de su aparición para minimizar una mayor degradación de las plantas. Además del deterioro de la salud de las plantas, la economía de un país se ve altamente afectada por este escenario debido a una menor producción. El enfoque actual para identificar enfermedades por un experto es lento y no óptimo para grandes granjas. Nuestro modelo propuesto es un conjunto de DenseNet121, EfficientNetB7 y EfficientNet NoisyStudent pre-entrenados, que tiene como objetivo clasificar hojas de árboles de manzana en una de las siguientes categorías: saludable, sarna de la manzana, óxido de cedro de la manzana y múltiples enfermedades, utilizando sus imágenes. Se incluyen varias técnicas de aumento de imagen en esta investigación para aumentar el tamaño del conjunto de datos y, por consiguiente, aumentar la precisión del modelo. Nuestro modelo propuesto logra una precisión del 96.25% en el conjunto de datos de validación. El modelo propuesto puede identificar hojas con múltiples enfermedades con un 90% de precisión. Nuestro modelo propuesto logró un buen rendimiento en diferentes métricas y puede ser implementado en el ámbito agrícola para identificar la salud de las plantas de manera precisa y oportuna.