Se propone un nuevo método de detección de enfermedades en berenjenas basado en la fusión de datos multimodales y mecanismos de atención en este estudio, con el objetivo de mejorar tanto la precisión como la robustez de la detección de enfermedades. El método integra datos de imagen y sensores, optimizando la fusión de características multimodales a través de un mecanismo de atención embebido, que mejora la capacidad del modelo para centrarse en características relacionadas con la enfermedad. Los resultados experimentales demuestran que el método propuesto sobresale en varias métricas de evaluación, logrando una precisión de 0.94, un recall de 0.90, una exactitud de 0.92 y un mAP@75 de 0.91, lo que indica una excelente precisión de clasificación y capacidad de localización de objetos. Experimentos adicionales, a través de estudios de ablación, evaluaron el impacto de diferentes mecanismos de atención y funciones de pérdida en el rendimiento del modelo, todos los cuales mostraron un rendimiento superior para el enfoque propuesto. La fusión de datos multimodales combinada con el mecanismo de atención embebido mejora efectivamente la precisión y robustez del modelo de detección de enfermedades en berenjenas, haciéndolo altamente adecuado para tareas complejas de identificación de enfermedades y demostrando un potencial significativo para su aplicación generalizada.