联合国粮食及农业组织（FAO）估计，2019年植物病害给全球经济造成的损失高达2200亿美元。本文提出了一种轻量级深度卷积神经网络（DCNN），用于实现植物叶片病害的自动且可靠的分类。所提出的方法首先将输入的植物叶片图像从RGB色彩空间转换至CIE LAB色彩空间，随后将L通道与AB通道分别输入至经过改进的Inception V3架构的前三个卷积层所构成的独立分支中。该设计使各分支参数量减少约1/3至1/2。此外，在对原始RGB图像施加多种噪声（如椒盐噪声、模糊、运动模糊及遮挡）扰动的情况下，该方法仍表现出更优的分类可靠性。这些噪声类型模拟了自然环境中常见的图像变异现象。我们假设，AB通道中的卷积核由于在图像空间域中具有较低的频率特性，因而对上述类型的图像变化具有更强的鲁棒性。