Detectar las enfermedades en los cultivos de yuca a tiempo, puede hacer la diferencia para obtener ganancias económicas, fortaleciendo la seguridad alimentaria en regiones de Colombia y el mundo donde la yuca es un cultivo de interés agrícola. Es por eso, que en este trabajo proponemos un sistema de visión artificial para el reconocimiento de enfermedades y plagas de la yuca, por medio de redes neuronales convolucionales como una solución que puede ayudar a prevenir las perdidas económicas, evitando la propagación y favoreciendo la toma de decisiones para un manejo adecuado de estas enfermedades. Las redes neuronales convolucionales están a la vanguardia en el reconocimiento de imágenes para tareas complejas de visión artificial, es una técnica que ha demostrado ser muy eficientes en comparación con las redes neuronales ordinarias. El modelo propuesto en el presente trabajo, basado en este tipo de redes, se entrenó con un conjunto de datos formado a partir de dos bases de datos provenientes de dos competencias de la página web kaggle, constituido por 5 categorías con enfermedades en la hoja de la yuca identificadas como: añublo bacterial, rayado marrón, acaro verde, mosaico y hojas sanas. El entrenamiento se llevó a cabo implementando el enfoque de transferencia de aprendizaje, muy recomendado cuando la cantidad de imágenes es limitada. Además, permite alcanzar un buen rendimiento de la red. De los tres modelos seleccionados por haber obtenido un buen rendimiento en problemas de clasificación de enfermedades en plantas, según los antecedentes consultados, el mejor fue Xception entrenado durante un periodo de 35 épocas con 6120 imágenes de hojas de yuca, logrando una exactitud (accuracy) de 94,56 %. Este modelo proporciona una opción para detectar las enfermedades de la hoja de la yuca in situ de manera temprana, confiable y a bajo costo.