农业生产力在全球经济发展和增长中起着至关重要的作用。当农作物受到疾病影响时，它会对一个
国家的经济资源和农业产出产生不利影响。及早发现作物病害可以最大限度地减少农民的损失并提
高产量。在这项研究中，提出了一种新的深度学习模型，旨在自动预测马铃薯叶部病害。框架包括
图像采集、预处理、分割、特征提取和融合以及分类。为了训练和评估模型，我们利用公共马铃薯
叶数据集：早疫病、晚疫病和健康叶片。利用分割和融合特征的优势，该方法实现了98.66%的总
体准确率和96.33%的得分。使用 数据集进行了全面的验证研究，分别实现了 96.42% 和 94.25%
的令人印象深刻的准确率。这些实验结果证实，所提出的混合框架提供了更有效、更准确的马铃薯
作物病害检测和预测，使其成为具有实际应用前景的候选者。