Tiefen konvolutionelle neuronale Netze (DCNNs) wurden erfolgreich für die Erkennung von Pflanzenkrankheiten eingesetzt. Im Gegensatz zu den meisten bestehenden Studien schlagen wir vor, ein DCNN mit CIE-Lab-Daten anstelle der herkömmlichen RGB-Farbkoordinaten zu versorgen. Wir modifizierten die Architektur Inception V3, indem wir einen spezifischen Zweig für achromatische Daten (L-Kanal) und einen weiteren Zweig für chromatische Daten (AB-Kanäle) einfügten. Diese Modifikation nutzt die Entkopplung von chromatischen und achromatischen Informationen aus. Zudem reduziert die Aufteilung in Zweige die Anzahl der trainierbaren Parameter und die Rechenlast um bis zu 50 % im Vergleich zu den ursprünglichen Werten unter Verwendung modifizierter Schichten. Wir erreichten eine state-of-the-art-Klassifizierungsgenauigkeit von 99,48 % auf dem Plant Village-Datensatz und 76,91 % auf dem Cropped-PlantDoc-Datensatz.