Las enfermedades de las plantas son una preocupación importante en el sector agrícola; por lo tanto, es muy importante identificarlas automáticamente. En este estudio, proponemos un método mejorado de reconocimiento de enfermedades de plantas múltiples basado en aprendizaje profundo que combina características profundas extraídas por redes neuronales convolucionales profundas y vecinos más cercanos para producir imágenes de enfermedades similares a través de una imagen de consulta. Se aprovecharon características profundas y potentes aplicando ajuste fino, un método existente. Utilizamos 14,304 imágenes en campo con seis enfermedades que ocurren en manzanas y peras. Como resultado del experimento, el método propuesto tuvo una precisión de similitud promedio un 14.98% mayor que el método base. Además, las dimensiones de las características profundas se redujeron y el tiempo de procesamiento de imágenes fue más corto (0.071-0.077 s) utilizando el modelo basado en características profundas de tamaño 128 propuesto, que procesa imágenes más rápidamente, incluso para conjuntos de datos a gran escala. Estos resultados confirman que el método propuesto de reconocimiento de enfermedades de plantas múltiples basado en aprendizaje profundo mejora tanto la precisión como la velocidad en comparación con el método base.