Las enfermedades de las hojas de café son un desafío significativo para el cultivo de café. Pueden reducir los rendimientos, afectar la calidad del grano y requerir costosos esfuerzos de manejo de enfermedades. El monitoreo manual es intensivo en mano de obra y consume mucho tiempo. Esta investigación presenta una innovadora aplicación móvil equipada con capacidades de informes habilitadas por el sistema de posicionamiento global (GPS) para la detección in situ de enfermedades de las hojas de café. La aplicación integra técnicas avanzadas de aprendizaje profundo (DL) para empoderar a los agricultores y agrónomos con una herramienta rápida y precisa para identificar y gestionar la salud de las plantas de café. Aprovechando la ubicuidad de los dispositivos móviles, la aplicación permite a los usuarios capturar imágenes de alta resolución de las hojas de café directamente en el campo. Estas imágenes se procesan en tiempo real utilizando un modelo de DL preentrenado optimizado para una clasificación eficiente de enfermedades. Se experimentó con cinco modelos: Xception, ResNet50, Inception-v3, VGG16 y DenseNet en el conjunto de datos. Todos los modelos mostraron un rendimiento prometedor; sin embargo, DenseNet demostró tener altas puntuaciones en las cuatro clases de hojas con una precisión de entrenamiento del 99.57%. La inclusión de la funcionalidad GPS permite la geolocalización precisa de cada imagen capturada, proporcionando información valiosa específica de la ubicación. A través de una extensa experimentación y validación, la aplicación demuestra tasas de precisión impresionantes en la clasificación de enfermedades. Los resultados indican el potencial de esta tecnología para revolucionar las prácticas agrícolas del café, lo que lleva a una mejora en el rendimiento de los cultivos y la salud general de las plantas.