Las enfermedades de los cultivos pueden tener un impacto significativo en el crecimiento y la producción de los cultivos, a menudo provocando una grave carga económica para los agricultores de arroz. Estas enfermedades pueden propagarse rápidamente por áreas extensas, lo que dificulta a los agricultores detectarlas y gestionarlas de manera efectiva y oportuna. Los métodos automatizados para la clasificación de enfermedades surgen como enfoques prometedores para detectar y gestionar estas enfermedades, siempre que haya datos suficientes. Compartir datos entre las granjas podría facilitar el desarrollo de un clasificador sólido, pero debe ejecutarse adecuadamente para evitar la filtración de información sensible. En este estudio, demostramos cómo las granjas con conjuntos de datos muy diferentes pueden colaborar a través de un modelo de aprendizaje federado. El objetivo de esta colaboración es crear un clasificador que cada granja pueda utilizar para detectar y gestionar enfermedades de los cultivos de arroz aprovechando el intercambio de datos mientras se salvaguarda la privacidad de los datos. Subrayamos la importancia del intercambio de datos y la arquitectura del modelo en el desarrollo de un clasificador centralizado robusto, que puede clasificar eficazmente múltiples enfermedades (y un estado saludable) con un 83.24% de precisión, 84.24% de precisión, 83.24% de sensibilidad y un puntaje F1 del 82.28%. Además, demostramos la importancia del diseño del modelo en los resultados de clasificación. El método de aprendizaje colaborativo propuesto no solo preserva la privacidad de los datos, sino que también ofrece una solución ligera, rentable y eficiente en la comunicación para la detección de enfermedades de los cultivos de arroz. Además, esta estrategia colaborativa se puede extender a otras tareas de clasificación de enfermedades de los cultivos.