Este artículo desarrolló un sistema de detección de enfermedades del rábano basado en un mecanismo de atención híbrido, mejorando significativamente la precisión y el rendimiento en tiempo real en la identificación de características de la enfermedad. Al integrar atenciones espaciales y de canal, este sistema demostró un rendimiento superior en numerosas métricas, logrando particularmente un 93% de precisión y un 91% de exactitud en la detección de la enfermedad viral del rábano, superando las tecnologías existentes. Además, la introducción del mecanismo de atención híbrido demostró su superioridad en experimentos de ablación, mostrando un rendimiento más alto en comparación con la auto-atención estándar y el módulo de atención de bloque convolucional. El estudio también introdujo una función de pérdida híbrida que combina la pérdida de entropía cruzada y la pérdida de Dice, abordando efectivamente el problema del desequilibrio de clases y mejorando aún más la capacidad de detección de enfermedades raras. Estos resultados experimentales no solo validan la efectividad del método propuesto, sino que también proporcionan un sólido apoyo técnico para la detección rápida y precisa de enfermedades del rábano, demostrando su gran potencial en aplicaciones agrícolas. La investigación futura continuará optimizando la estructura del modelo y la eficiencia computacional para acomodar una gama más amplia de necesidades de detección de enfermedades agrícolas.