رغم استخدام الشبكات العصبية التلافيفية (CNNs) على نطاق واسع للكشف عن أمراض النباتات، إلا أنها تتطلب عددًا كبيرًا من عينات التدريب عند التعامل مع خلفيات متنوعة ومعقدة. في هذا البحث، تم اقتراح طريقة ثنائية المرحلة تعتمد على الشبكات العصبية التلافيفية والتي يمكنها العمل بكفاءة على مجموعة بيانات صغيرة لأمراض حبوب الأرز ذات الخلفيات المتنوعة. في المرحلة الأولى، يتم تطبيق طريقة Faster RCNN لقص الجزء الهام (حبوب الأرز) من الصورة. تؤدي هذه المرحلة الأولية إلى إنشاء مجموعة بيانات ثانوية لحبوب الأرز خالية من الخلفيات المتنوعة. يتم تنفيذ تصنيف الأمراض على العينات المشتقة والمبسطة باستخدام هندسة الشبكات العصبية التلافيفية. مقارنة الطريقة الثنائية المرحلة بتطبيق الشبكات العصبية التلافيفية مباشرة على مجموعة البيانات الصغيرة لحبوب الأرز يظهر فعالية الطريقة المقترحة، حيث توفر دقة صحيحة للتحقق المتقاطع بخمس مرات قدرها 88.07%.