Alrededor del mundo, la demanda de alimento crece con el paso del tiempo y Colombia cuenta con potencial para la produccion de este. No obstante, las diferentes afecciones que aquejan los cultivos son un obstaculo para suplir esa demanda, especialmente en paises en desarrollo, en los que mas del 80% de los alimentos provienen de pequenos agricultores, quienes no suelen contar con los medios para hacer frente a este problema. El Valle del Cauca es una region que cuenta con condiciones para el cultivo de citricos, los cuales ademas son de interes para las empresas del departamento. Con el fin de aprovechar estas condiciones, se deben generar soluciones que permitan una identificacion temprana de enfermedades, plagas y deficiencias nutricionales, haciendo posible el tratamiento oportuno de estos problemas. En este trabajo de grado se presenta el diseno y desarrollo de un sistema prototipo de diagnostico de afecciones en plantas de citricos a partir de fotografias en el rango visible de las hojas de dichas plantas. La construccion de este sistema se basa en los campos del aprendizaje profundo y el procesamiento de imagenes: utilizando un modelo de red neuronal convolucional, para cuyo entrenamiento se aplican transferencia de aprendizaje y aumentado de datos, entre otras tecnicas, se construye una aplicacion movil para dispositivos Android que permite la captura de fotografias con la camara del dispositivo y la obtencion de un diagnostico sobre estas, con base en 7 categorias de afecciones distintas. La aplicacion movil permite ademas el almacenamiento de la informacion de marca de tiempo, geolocalizacion y porcentajes de pertenencia a cada categoria para los diagnosticos obtenidos, en un sistema de base de datos en la nube. Entre los resultados mas relevantes del proyecto estan la obtencion de porcentajes de exactitud global de mas del 90% al aplicar el modelo en conjunto con la tecnica de rechazo por umbral sobre el conjunto de datos de prueba y el despliegue exitoso de dicho modelo en una aplicacion movil, con un tiempo de ejecucion casi imperceptible para el usuario. Por otro lado, el diseno de la arquitectura esta concebido de manera tal que sirve como base para otras soluciones en diversos dominios, en la medida que permite el entrenamiento de modelos de redes neuronales convolucionales para tareas de clasificacion de imagenes y su despliegue en aplicaciones para Android de manera sencilla.