تم تطبيق الشبكات العصبية التلافيفية العميقة (DCNNs) بنجاح في كشف أمراض النباتات. وعلى عكس معظم الدراسات الحالية، نقترح تغذية شبكة عصبية تلافيفية عميقة بتنسيق CIE Lab بدلاً من الإحداثيات اللونية RGB. قمنا بتعديل هيكل Inception V3 بحيث يحتوي على فرع مخصص للبيانات غير اللونية (قناة L) وفرع آخر مخصص للبيانات اللونية (قناتي AB). ويتيح هذا التعديل الاستفادة من فصل المعلومات اللونية عن المعلومات غير اللونية. علاوة على ذلك، يقلل التقسيم الفرعي للفروع من عدد المعاملات القابلة للتدريب والحمل الحسابي بنسبة تصل إلى 50٪ مقارنة بالقيم الأصلية باستخدام طبقات معدلة. وحققنا دقة تصنيف من الدرجة الأولى في المجال (SOTA) تبلغ 99.48٪ على مجموعة بيانات Plant Village، و76.91٪ على مجموعة بيانات Cropped-PlantDoc.