Las plagas y enfermedades invasoras siempre degradan la calidad y cantidad de plantas. La identificación temprana y precisa de enfermedades de plantas es fundamental para la salud y el crecimiento de las plantas. Este trabajo propone una solución basada en un smartphone utilizando un modelo Vision Transformer (ViT) para identificar plantas sanas y plantas enfermas con enfermedades. El conjunto de datos recolectado de hojas de tomate se utilizó para entrenar colectivamente Vision Transformer y modelos de aprendizaje profundo (DL) basados en Inception V3 para diferenciar plantas sanas y enfermas. Estos modelos detectaron 10 clases diferentes de enfermedades de tomate del conjunto de datos que contiene 10,010 imágenes. Se comparó el rendimiento de los dos modelos de DL. Este trabajo también presenta una aplicación basada en smartphone (Android App) utilizando un modelo basado en ViT, que funciona sobre la base del mecanismo de autoatención y obtuvo un mejor rendimiento (90.99% de prueba) que Inception V3 en nuestra experimentación. El propuesto es prometedor y puede implementarse a gran escala para la agricultura inteligente, inspirando así trabajos futuros en esta área.