馬鈴薯是全球種植最廣泛的作物之一，但極易受到細菌性和真菌性病害的侵襲，尤其是早疫�。‥arly Blight）和晚疫�。↙ate Blight），這些病害會嚴重影響產量。在萌芽階段進行早期檢測，對于減少損失和提高生產力至關重要。為應對這一挑戰，研究人員廣泛探索計算機視覺和機器學習技術，以實現病害的自動化檢測。本文提出一種深度學習模型，該模型整合圖像處理和卷積神經網絡（Convolutional Neural Networks，CNN），可將馬鈴薯葉片分為早疫病、晚疫病和健康三類。為增強特征提取能力和模型性能，研究中引入 Mish 激活函數，該函數可提升網絡的學習能力。實驗使用了公開的 Plant Village 數據庫中超過 1500 張標記的健康和患病馬鈴薯葉片圖像。結果表明，經 Mish 激活函數增強的 CNN 模型實現了 98% 的分類準確率，優于傳統模型。這些發現凸顯了該方法的有效性和可靠性，為開發實時馬鈴薯葉片病害檢測自動化系統提供了支持。