La segmentación precisa de las manchas de enfermedades en las hojas de manzana es clave para identificar la clasificación de las enfermedades de las hojas de manzana y la gravedad de la enfermedad. Por lo tanto, se propuso un modelo de red de segmentación semántica DeepLabV3+ con un módulo de piscina piramidal espacial de actores (ASPP) para lograr una extracción efectiva de las características de las lesiones en las hojas de manzana y mejorar el reconocimiento de enfermedades de las hojas de manzana y el diagnóstico de la gravedad de la enfermedad en comparación con los modelos clásicos de redes de segmentación semántica PSPNet y GCNet. Además, se analizaron los efectos de la tasa de aprendizaje, el optimizador y la red base en el rendimiento del modelo de red DeepLabV3+ con el mejor rendimiento. Los resultados experimentales muestran que la precisión media de píxeles (MPA) y la intersección media sobre la unión (MIoU) del modelo alcanzaron el 97.26% y el 83.85%, respectivamente. Después de ser implementado en la plataforma de teléfonos inteligentes, el tiempo de detección del sistema de detección fue de 9 segundos por imagen para el diagnóstico portátil e inteligente de enfermedades de las hojas de manzana. El método de aprendizaje por transferencia proporcionó la posibilidad de adquirir rápidamente un modelo de alto rendimiento bajo la condición de conjuntos de datos pequeños. Los resultados de la investigación pueden proporcionar una guía precisa para la prevención y el control preciso de las enfermedades de la manzana en los campos.