El control de enfermedades de plantas ha sido durante mucho tiempo un problema crítico en la producción agrícola y depende en gran medida de la identificación de enfermedades de plantas, pero la identificación tradicional de enfermedades requiere una experiencia extensa. La mayoría de los métodos de clasificación de enfermedades de plantas basados en el aprendizaje profundo existentes se ejecutan en dispositivos de alto rendimiento para cumplir con los requisitos de precisión de clasificación. Sin embargo, las aplicaciones agrícolas tienen un estricto control de costos y no pueden ser ampliamente promovidas. Este documento presenta un método novedoso para la clasificación de enfermedades de plantas utilizando una red neuronal binaria con atención dual (DABNN), que puede ahorrar recursos computacionales y acelerar mediante el uso de redes neuronales binarias, e introduce un mecanismo de doble atención para mejorar la precisión de la clasificación. Para evaluar la efectividad de nuestro enfoque propuesto, realizamos experimentos en el conjunto de datos de PlantVillage, que incluye una variedad de enfermedades. La precisión y sensibilidad de nuestro método alcanzan el 99,39% y el 99,4%, respectivamente. Mientras tanto, en comparación con AlexNet y VGG16, el costo computacional de nuestro método se reduce en un 72,3% y 98,7%, respectivamente. El costo computacional de nuestro algoritmo es del 5,4% de AlexNet y del 2,3% de VGG16. Los resultados experimentales muestran que DABNN puede identificar diversas enfermedades de manera efectiva y precisa.