Para mantener una hidratación adecuada de los esquejes de madera blanda de portainjertos de manzana durante la etapa inicial del corte, se diseñó un modelo de clasificación de estrés por sequía basado en visión artificial. Este modelo se optimizó en base a la U-Net (Red Neuronal en forma de U), y la morfología del pecíolo de los esquejes se utilizó como base para clasificar los niveles de estrés por sequía. Para el modelo CU-ICA-Net, que se obtiene mejorando la U-Net con el módulo de Atención de Coordenadas Mejorado (ICA, por sus siglas en inglés) diseñado utilizando una estructura en cascada y convolución dinámica, la tasa de precisión promedio de las predicciones para las tres partes de los esquejes, es decir, la hoja, el tallo y el pecíolo, es del 93.37%. Los valores de los resultados de predicción para la curvatura del pecíolo y el ángulo entre el pecíolo y el tallo son 0.8109 y 0.8123, respectivamente. El conjunto de datos utilizado para el entrenamiento del modelo consta de 1200 imágenes RGB de esquejes bajo diferentes grados de estrés por sequía. La proporción del conjunto de entrenamiento respecto al conjunto de pruebas es de 1:0.7. Se realizó una prueba de humidificación utilizando un sistema automático de humidificación equipado con este modelo. El valor de MIoU (Intersección Media sobre Unión) es de 0.913, y el valor de FPS (Cuadros por Segundo) es de 31.90. Los resultados de la prueba demuestran que el modelo U-Net mejorado tiene un excelente rendimiento, proporcionando un método para el diseño de un sistema de control de humidificación automático para la propagación industrializada de esquejes de portainjertos de manzana.