En este artículo se ha propuesto un modelo de detección de objetos habilitado para el aprendizaje profundo para enfermedades de plantas de múltiples clases basado en un algoritmo de visión por computadora de última generación. Mientras que la mayoría de los modelos existentes se limitan a la detección de enfermedades a gran escala, el modelo actual aborda la detección precisa de enfermedades en una etapa temprana, a una escala fina y múltiple. El modelo propuesto se ha mejorado para optimizar tanto la velocidad como la precisión de detección y se ha aplicado a la detección de enfermedades de plantas de manzana de múltiples clases en un entorno real. La precisión media promedio (mAP) y la puntuación F1 del modelo de detección alcanzaron hasta [valor] y [valor], respectivamente, a una velocidad de detección de 56.9 FPS. El resultado general de la detección demuestra que el algoritmo actual supera significativamente al modelo de detección de última generación con un aumento en la precisión y un aumento en la puntuación F1. El modelo propuesto puede emplearse como un método efectivo y eficiente para detectar diferentes enfermedades de plantas de manzana en escenarios de huertos complejos.