Proteger el rendimiento del trigo es una prioridad en la producción agrícola, y una de las medidas importantes para preservar el rendimiento es el control de las enfermedades del trigo. Con la madurez de la tecnología de visión por computadora, se han proporcionado más posibilidades para lograr la detección de enfermedades en las plantas. En este estudio, proponemos el bloque de atención posicional, que puede extraer de manera efectiva la información de posición del mapa de características y construir el mapa de atención para mejorar la capacidad de extracción de características del modelo para la región de interés. Para el entrenamiento, utilizamos el aprendizaje por transferencia para mejorar la velocidad de entrenamiento del modelo. En el experimento, ResNet construido sobre bloques de atención posicional alcanza una precisión del 96.4%, que es mucho más alta en comparación con otros modelos comparables. Posteriormente, optimizamos la clase de detección indeseable y validamos su rendimiento de generalización en un conjunto de datos de código abierto.