El reconocimiento preciso de es un requisito previo para la cosecha automática precisa en un entorno de fábrica. Dirigido a segmentar hongos adheridos entre sí del fondo complejo, este artículo propone un algoritmo de reconocimiento de segmentación basado en cuencas para . Primero, se extrae el primer plano de mediante la segmentación de umbral de Otsu y operaciones morfológicas. Luego, se propone un algoritmo de segmentación preliminar y un novedoso método de generación de marcadores iterativos para preparar marcadores de cuencas. Sobre esta base, se adopta un algoritmo de cuencas controlado por marcadores para segmentar y reconocer individuos. Todos los algoritmos se implementan basados en las bibliotecas de OpenCV (Visión Artificial de Código Abierto). Las pruebas en imágenes de recolectadas en el lecho de cultivo muestran que la tasa de reconocimiento correcto promedio del algoritmo propuesto es del 95.7%, el error promedio de medición del diámetro es del 1.15%, y la tasa promedio de desviación de coordenadas es del 1.43%. El tiempo promedio de procesamiento es de 705.7 ms por imagen individual, satisfaciendo las restricciones de tiempo real basadas en 1 imagen/s. El algoritmo propuesto funcionó mejor que la Transformada de Hough Circular actual (implementación de OpenCV). Es conveniente y fácil de operar, proporcionando una base sólida para investigaciones posteriores sobre equipos de cosecha mecanizados para .