La implementación de saberes en el sector agrícola enmarca un factor importante en la política de los países y en el marco de los objetivos de desarrollo sostenible de las Naciones Unidas, por los cuales los ciudadanos podrán encontrarse con la eficiencia en el manejo de sus recursos. No es en vano que se está trabajando en más y mejores maneras de comercialización y exportación de productos de este sector en la gran mayoría de países a nivel mundial. Por ello, las instituciones de educación superior deben unir esfuerzos con el fin de desarrollar, desde las singularidades de cada región, aportes que confluyan en mejoras en la manera en que se producen y controlan los procesos de los cultivos en diferentes sectores del entorno nacional. La identificación temprana de anomalías en las plantas de lulo es fundamental para prevenir la propagación de enfermedades y asegurar la calidad de la producción. En este trabajo, se utilizó el aprendizaje automático (Machine Learning) para desarrollar un sistema capaz de detectar anomalías en imágenes de plantas de lulo. Para ello, se entrenó un modelo de redes neuronales convolucionales utilizando una base de datos de imágenes etiquetadas como sanas o enfermas. Los resultados obtenidos demuestran la efectividad del sistema para detectar anomalías en las imágenes de las plantas de lulo, con una precisión de hasta el 95%.