Para extraer características más precisas y abundantes de las enfermedades del maíz y resolver los problemas de clasificación aproximada y baja precisión de reconocimiento, se introduce el mecanismo de atención en el campo del reconocimiento de enfermedades del maíz. Se propone el modelo de reconocimiento de enfermedades del maíz (AT-AlexNet) basado en un mecanismo de atención. La red se basó en AlexNet, y se construyó un nuevo módulo de atención de muestreo descendente para mejorar la respuesta del primer plano de la enfermedad; se introdujo la función de activación Mish para mejorar la expresión no lineal de la red; se diseñó un nuevo módulo de la capa de conexión completa para reducir los parámetros de la red. En el experimento de los conjuntos de datos mejorados de enfermedades del maíz, la precisión de reconocimiento promedio del modelo de red basado en atención AT-AlexNet es del 99.35%. La precisión de reconocimiento al usar la función de activación Mish es un 0.65% más alta que la de la función de activación ReLu. Los experimentos muestran que, en comparación con otros métodos de identificación, el método propuesto tiene un mejor rendimiento de clasificación para las enfermedades del maíz.