El rendimiento y la seguridad del grano se ven seriamente afectados por las enfermedades de los cultivos, que son el factor crítico que impide el desarrollo verde y de alta calidad de la agricultura. Los modelos existentes de identificación de enfermedades de los cultivos hacen que sea difícil centrarse en el área de la mancha de la enfermedad. Además, los cultivos con características de enfermedades similares son fácilmente mal identificados. Para abordar los problemas mencionados, este documento propuso un modelo preciso y eficiente de identificación de enfermedades, que no solo incorporó características locales y globales de las imágenes para el análisis de características, sino que también mejoró la separabilidad entre enfermedades similares. En primer lugar, se introdujo el Codificador Transformer en el modelo mejorado como una operación de convolución, para establecer la dependencia entre características a larga distancia y extraer las características globales de las imágenes de enfermedades. Luego, se introdujo Centerloss como un término de penalización para optimizar la pérdida común de entropía cruzada, para ampliar la diferencia entre clases de las características de las enfermedades de los cultivos y reducir su brecha intraclase. Finalmente, de acuerdo con las características de los conjuntos de datos, se utilizó un índice de evaluación más apropiado para llevar a cabo experimentos en diferentes conjuntos de datos. Se obtuvo una precisión de identificación del 99.62% en Plant Village, y una precisión equilibrada del 96.58% en Dataset1 con un fondo complejo. Mostró una buena capacidad de generalización al enfrentar imágenes de enfermedades de diferentes fuentes. El modelo mejorado también equilibró la contradicción entre la precisión de identificación y la cantidad de parámetros. En comparación con los modelos de identificación de enfermedades de hojas propuestos en este documento no solo se centra más en las regiones de enfermedades de las hojas, sino que también distingue mejor enfermedades diferentes con características similares.