Ante el cambio climático global, las plagas y enfermedades de los cultivos han surgido a gran escala, con diversas especies durando largos períodos y ejerciendo impactos de gran alcance. Identificar eficiente y precisamente las plagas y enfermedades de los cultivos es crucial para mejorar los rendimientos agrícolas. Sin embargo, la complejidad y variedad de escenarios hacen de esta una tarea desafiante. En este documento, proponemos una red de clasificación de enfermedades de cultivos de grano fino que integra el módulo de atención triple eficiente (ETA) y la estrategia de mejora de datos AttentionMix. El módulo ETA es capaz de capturar información de atención de canal y atención espacial de manera más efectiva, lo que contribuye a mejorar la capacidad representativa de las CNN profundas. Además, AttentionMix puede abordar eficazmente el problema de asignación incorrecta de etiquetas en CutMix, un método comúnmente utilizado para obtener muestras de datos de alta calidad. El módulo ETA y AttentionMix pueden trabajar juntos en las CNN profundas para lograr mayores ganancias de rendimiento. Realizamos experimentos en nuestro conjunto de datos de enfermedades de cultivos autoconstruido y en el ampliamente utilizado conjunto de datos de clasificación de plagas y enfermedades de plantas IP102. Los resultados mostraron que la red, que combinaba el módulo ETA y AttentionMix, podía alcanzar una precisión de hasta el 98.2% en nuestro conjunto de datos de enfermedades de cultivos. En cuanto al conjunto de datos IP102, esta red logró una precisión del 78.7% y un recall del 70.2%. En comparación con modelos de atención avanzados como ECANet y Triplet Attention, nuestro modelo propuesto mostró una mejora promedio de rendimiento del 5.3% y 4.4%, respectivamente. Todo esto implica que el método propuesto es tanto práctico como aplicable para clasificar enfermedades en la mayoría de los tipos de cultivos. Basándonos en los resultados de clasificación de la red propuesta, se desarrolló un mini programa de WeChat sin instalación que permite el reconocimiento automatizado en tiempo real de enfermedades de cultivos al tomar fotos con una cámara de smartphone. Este estudio puede proporcionar un diagnóstico preciso y oportuno de plagas y enfermedades de cultivos, brindando así una referencia de solución para la agricultura inteligente.