La planta de papa es una de los cultivos de hortalizas más significativos cultivados en todo el mundo. La producción de cultivos de papa se ve significativamente reducida por diversas enfermedades foliares, lo que representa un peligro para la producción agrícola mundial en términos de volumen y calidad. Las dos infecciones foliares más destructivas para las plantas de papa son el tizón temprano y tardío desencadenados por . En realidad, los propietarios de granjas anticipan estos problemas centrándose principalmente en la alteración en el color de las hojas de papa, lo cual suele ser problemático debido a la incertidumbre y al tiempo significativo requerido. En estas circunstancias, es vital desarrollar técnicas asistidas por computadora que identifiquen automáticamente estas enfermedades de manera rápida y confiable, incluso en sus etapas iniciales. Este documento tiene como objetivo proporcionar una solución efectiva para reconocer los diversos tipos de enfermedades de la papa presentando un enfoque de aprendizaje profundo (DL) llamado EfficientPNet. Más específicamente, presentamos un enfoque orientado al entrenamiento de extremo a extremo utilizando la red EfficientNet-V2 para reconocer diversas alteraciones en las hojas de papa. Se introduce un método de atención espacial-canal para concentrarse en las áreas dañadas y mejorar la capacidad de reconocimiento del enfoque para identificar eficazmente numerosas infecciones. Para abordar el problema de muestras desequilibradas por clase y mejorar la capacidad de generalización de la red, se ajusta el modelo EANet utilizando aprendizaje por transferencia, y se añaden capas densas al final de la estructura del modelo para mejorar el poder de selección de características del modelo. El modelo se prueba en un conjunto de datos abierto y desafiante llamado PlantVillage, que contiene imágenes tomadas en condiciones de fondo diversas y complicadas, incluidas varias condiciones de iluminación y los diferentes cambios de color en las hojas. El modelo obtiene una precisión del 98.12% en la tarea de clasificar diversas enfermedades de las hojas de las plantas de papa, como el tizón tardío, el tizón temprano y hojas sanas en 10,800 imágenes. Hemos confirmado a través de los experimentos realizados que nuestro enfoque es efectivo para la clasificación de enfermedades de las hojas de las plantas de papa y puede abordar robustamente muestras distorsionadas. Por lo tanto, los agricultores pueden ahorrar dinero y cosechar utilizando la herramienta EfficientPNet.