Les maladies et les parasites des plantes constituent un grave problème pour l'agriculture. Une détection précise et plus rapide des maladies et des parasites dans les plantes pourrait contribuer à la mise au point d'une méthode de traitement précoce tout en réduisant considérablement les pertes économiques. À cet égard, l'introduction de la classification d'images basée sur l'apprentissage profond a donné lieu à un nombre important de solutions. L'objectif principal de cette recherche est de détecter plus rapidement les maladies des feuilles de tomates en adoptant l'apprentissage profond (DL), qui peut être utilisé efficacement pour la classification d'images en utilisant diverses architectures de réseaux neuronaux convolutifs (CNN), notamment VGG-16, ResNet34 et EfficentNet0.Certaines techniques de prétraitement ont été appliquées aux données avant de conclure la préparation des données. Un déséquilibre entre les classes a été découvert dans l'ensemble de données et a été corrigé à l'aide de techniques d'échantillonnage aléatoire pondéré afin d'éviter les biais. L'optimisation du modèle a été réalisée pour améliorer les performances du modèle.Le résultat des prédictions est intégré dans une interface graphique interactive. L'interface graphique permet d'afficher la maladie détectée. L'utilisateur peut simplement mettre sa propre image pour que le modèle détecte la classe de maladie.