La gestión adecuada del nitrógeno en los cultivos es crucial para garantizar un crecimiento óptimo y maximizar el rendimiento. Aunque la imaginería hiperespectral se utiliza a menudo para la estimación del estado de nitrógeno en los cultivos, no es factible para aplicaciones en tiempo real debido a su complejidad y alto costo asociado. Gran parte de la investigación que utiliza datos RGB para detectar el estrés por nitrógeno en las plantas se basa en conjuntos de datos obtenidos en entornos de laboratorio, lo que limita su utilidad en aplicaciones prácticas. Este estudio se centra en identificar la deficiencia de nitrógeno en los cultivos de maíz utilizando datos de imágenes RGB de un conjunto de datos disponible públicamente obtenido en condiciones de campo. Hemos propuesto un modelo de transformador de visión personalizado para la clasificación del maíz en tres clases de estrés. Además, hemos analizado el rendimiento de modelos de redes neuronales convolucionales, incluidos ResNet50, EfficientNetB0, InceptionV3 y DenseNet121, para la estimación del estrés por nitrógeno. Nuestro enfoque implica el aprendizaje por transferencia con ajuste fino, añadiendo capas adaptadas a nuestra aplicación específica. Nuestro análisis detallado muestra que si bien los modelos de transformadores de visión generalizan bien, convergen prematuramente con un valor de pérdida más alto, lo que indica la necesidad de una mayor optimización. En contraste, los modelos de CNN ajustados clasifican el cultivo en clases estresadas, no estresadas y semi-estresadas con una mayor precisión, logrando una precisión máxima del 97% con EfficientNetB0 como modelo base. Esto convierte a nuestro modelo EfficientNetB0 ajustado fino en un candidato adecuado para aplicaciones prácticas en la detección del estrés por nitrógeno.