La detección oportuna y precisa de enfermedades en plantas es un tema de investigación crucial. Se propone un método basado en poda dinámica para la detección automática de enfermedades en plantas en situaciones de bajo cómputo. Las principales contribuciones de este trabajo de investigación incluyen lo siguiente: (1) la recopilación de conjuntos de datos para cuatro cultivos con un total de 12 enfermedades a lo largo de tres años; (2) la propuesta de un método de reparametrización para mejorar la precisión de aumento de las redes neuronales convolucionales; (3) la introducción de una puerta de poda dinámica para controlar dinámicamente la estructura de la red, permitiendo su operación en plataformas de hardware con un poder computacional muy variable; (4) la implementación del modelo teórico basado en este documento y el desarrollo de la aplicación asociada. Los resultados experimentales demuestran que el modelo puede ejecutarse en varias plataformas de computación, incluidas plataformas GPU de alto rendimiento y plataformas móviles de bajo consumo, con una velocidad de inferencia de 58 FPS, superando a otros modelos principales. En términos de precisión del modelo, las subclases con baja precisión de detección se mejoran mediante aumento de datos y se validan mediante experimentos de ablación. El modelo finalmente logra una precisión de 0.94.