La economía de Taiwán se basa principalmente en la exportación de productos agrícolas. Si se encuentra incluso la sospecha de una plaga en los productos agrícolas después de ser exportados, no solo se devuelven los productos agrícolas, sino que toda la partida de cultivos se destruye, lo que resulta en pérdidas extremas de cultivos. Las especies de cochinillas, Coccidae y Diaspididae, que son las principales plagas del insecto escama en Taiwán, no solo pueden causar graves daños a las plantas, sino que también afectan gravemente la producción agrícola. Por lo tanto, reconocer las plagas de escama es una tarea importante en el campo agrícola de Taiwán. En este estudio, proponemos un sistema de detección de plagas basado en IA para resolver el problema específico de la detección de plagas de escama basado en imágenes. Se emplean modelos de detección de objetos basados en aprendizaje profundo, como Faster R-CNNs, SSDs y YOLO v4, para detectar y localizar plagas de escama en la imagen. Los resultados experimentales muestran que YOLO v4 logró la mayor precisión de clasificación entre los algoritmos, con un 100% en cochinillas, un 89% en Coccidae y un 97% en Diaspididae. Mientras tanto, el rendimiento computacional de YOLO v4 ha indicado que es adecuado para aplicaciones en tiempo real. Además, los resultados de inferencia del modelo YOLO v4 también ayudan al usuario final. Se ha desarrollado una aplicación móvil que utiliza el modelo entrenado de reconocimiento de plagas de escama para facilitar la identificación de plagas en las granjas, lo que es útil para aplicar pesticidas apropiados y reducir las pérdidas de cultivos.