Artificial Intelligence (AI) has played a crucial role in smart agriculture. Theapplication of this technology has brought significant benefits to the agriculturalindustry, ranging from increased production efficiency to minimizing negative environmental impacts. Current research utilizes features such as color, shape,and texture of images. These features are used in various combinations or as inputs for Deep Convolutional Neural Networks (DCNNs) for image classification.In this study, we propose a system architecture aimed at enhancing the contrastof input images and extracting boundary features, utilizing color information of images as inputs for DCNNs to recognize plant diseases effectively. Simulation experiments on the Cropped-PlantDoc database demonstrate that the system works efficiently and is highly applicable in edge devices.Trí tuệ nhân tạo (AI - Artificial Intelligent) đã đóng vai trò quan trọng trong nông nghiệp thông minh. Áp dụng công nghệ này đã mang lại những lợi ích to lớn cho ngành nông nghiệp, từ việc gia tăng hiệu suất sản xuất đến giảm thiểu tác động tiêu cực tới môi trường. Các nghiên cứu ngày nay đang sử dụng các đặc trưng vềmàu sắc, hình dạng, kết cấu của ảnh. Các đặc trưng này được sử dụng theo các cách kết hợp khác nhau hoặc sử dụng làm đầu vào cho DCNNs (Deep convolutional neural networks) để phân lớp ảnh. Trong nghiên cứu này chúng tôi đề xuất một sơ đồ hệthống nhằm nâng cấp độ tương phản của ảnh đầu vào và trích xuất đặc trưng đường biên, màu sắc của hình ảnh làm đầu vào cho mạng DCNNs để nhận dạng sâu bệnh trên cây nông nghiệp. Các thí nghiệm mô phỏng trên cơ sở dữ liệu Cropped-PlantDoc cho thấy hệ thống làm việc hiệu quả và có tính ứng dụng trong các thiết bị cận biên.