Reconocer hojas de plantas en escenas agrícolas complejas es un desafío debido a los altos costos de anotación manual y las demandas de detección en tiempo real. Los métodos actuales de aprendizaje profundo, como YOLOv8 y SAM, enfrentan compensaciones entre la eficiencia de anotación y la velocidad de inferencia. Este documento propone un marco automatizado que integra SAM para segmentación semántica sin conexión y YOLOv8 para detección en tiempo real. SAM genera máscaras de hojas a nivel de píxel, que se convierten en cuadros delimitadores compatibles con YOLOv8, eliminando el etiquetado manual. Experimentos en tres especies de plantas muestran que el marco logra una precisión de detección del 87% y un tiempo de inferencia de 0.03 s por imagen, reduciendo la mano de obra de anotación en un 100% en comparación con los métodos tradicionales. El flujo propuesto equilibra la anotación de alta calidad y la detección ligera, lo que permite aplicaciones escalables de agricultura inteligente.