El artículo discute el problema de detectar papas enfermas o dañadas mecánicamente utilizando métodos de aprendizaje automático. Propusimos un algoritmo y desarrollamos un sistema para la detección rápida de tubérculos dañados. El sistema se puede instalar en una cinta transportadora en una tienda de vegetales, y consta de una computadora portátil y una cámara de acción, sincronizada con un sistema de linterna. El algoritmo consta de dos fases. La primera fase utiliza el algoritmo Viola-Jones, aplicado a la imagen filtrada de la cámara de acción, por lo que tiene como objetivo detectar tubérculos de papa separados en la cinta transportadora. La segunda fase es la aplicación de un método que elegimos en función de las condiciones de captura de video. Para aislar papas infectadas con ciertos tipos de enfermedades (como la podredumbre seca), utilizamos el método Transformada de Características Invariantes a la Escala (SIFT)-Máquina de Vectores de Soporte (SVM). En caso de iluminación inconsistente o débil, se utiliza el método Histograma de Gradientes Orientados (HOG)-Bolsa de Palabras Visuales (BOVW)-red neuronal (BPNN). De lo contrario, se utiliza la binarización por umbral de Otsu, un método de red neuronal convolucional (CNN). El resultado de la primera fase depende de la velocidad de la cinta transportadora, la densidad de tubérculos en la cinta y la precisión del sistema de video. Con la configuración óptima, el resultado alcanza el 97%. El resultado de la segunda fase depende del método y varía del 80% al 97%. Al evaluar el rendimiento del sistema, se encontró que permite detectar y clasificar hasta 100 tubérculos en un segundo, lo que supera significativamente el rendimiento de la mayoría de los sistemas similares.