La úlcera corneal es una afección ocular prevalente que requiere que los oftalmólogos diagnostiquen, evalúen y monitoreen los síntomas. Durante el examen, los oftalmólogos deben identificar el área de la úlcera corneal y evaluar su gravedad mediante la comparación manual de imágenes de tinción ocular con índices de severidad. Sin embargo, la evaluación manual es un proceso que consume tiempo y puede proporcionar resultados inconsistentes. Pueden ocurrir variaciones con evaluaciones repetidas de las mismas imágenes o con la calificación entre diferentes evaluadores. Para abordar este problema, proponemos un sistema automatizado de calificación de úlceras corneales para imágenes de tinción ocular basado en técnicas de aprendizaje profundo y la Transformada de Círculo de Hough. El algoritmo está estructurado en dos componentes para la segmentación de la córnea y la segmentación de la úlcera corneal. Inicialmente, aplicamos un método de aprendizaje profundo combinado con la Transformada de Círculo de Hough para segmentar las áreas de la córnea. Posteriormente, desarrollamos el modelo de segmentación de úlceras corneales utilizando métodos de aprendizaje profundo. En esta fase, las áreas de la córnea predichas se utilizan como máscaras para entrenar los modelos de segmentación de úlceras corneales durante la fase de aprendizaje. Finalmente, este algoritmo utiliza los resultados de estos dos componentes para determinar dos salidas: (1) el porcentaje del área ulcerada en la córnea y (2) el grado de severidad de la úlcera corneal basado en el estándar de calificación de Tipo-Grado (TG). Estas metodologías tienen como objetivo mejorar la eficiencia diagnóstica en dos aspectos clave: (1) garantizar la consistencia al ofrecer resultados uniformes y confiables y (2) mejorar la robustez al manejar efectivamente las variaciones en el tamaño del ojo. En esta investigación, nuestro método propuesto se evalúa utilizando el conjunto de datos público SUSTech-SYSU, logrando una Intersección sobre Unión del 89.23% para la segmentación de la córnea y del 82.94% para la segmentación de úlceras corneales, junto con un Error Absoluto Medio del 2.51% para determinar el porcentaje del área ulcerada en la córnea y una Precisión del 86.15% para la calificación de severidad.