Un sistema de visión de cámara es un enfoque rápido y efectivo para monitorear hojas. Puede ser utilizado para monitorear el crecimiento de las plantas, detectar enfermedades y llevar a cabo la fenotipificación de plantas. Sin embargo, debido al entorno exterior de las plantas, se vuelve desafiante de utilizar. Este documento aborda los problemas de segmentación de hojas comparando diferentes tipos de cámaras y técnicas de segmentación. Cámaras visibles, sin filtro infrarrojo (NoIR) y térmicas interfazadas en un dispositivo integrado fueron utilizadas para capturar plantas durante el día y la noche. Varias técnicas populares de umbralización y el algoritmo K-Means fueron empleados para la segmentación de hojas, y su rendimiento fue medido utilizando Recall, Precision y F1 score. Los resultados de la comparación muestran que la cámara visible logró el mejor rendimiento en imágenes diurnas, con el mayor Recall de 0.934 utilizando umbralización de Triángulo, la mayor Precisión de 0.751 utilizando K-Means (K = 3) y el mayor F1 score de 0.794 utilizando umbralización de Multi-Otsu. Para imágenes nocturnas, el mayor Recall de 0.990 fue logrado por la cámara térmica utilizando umbralización de Isodata y Otsu, la mayor Precisión de 0.572 fue lograda por la cámara NoIR utilizando K-Means (K = 3) y el mayor F1 score de 0.636 fue logrado por la cámara NoIR utilizando K-Means (K = 3). Para comparar el rendimiento de la segmentación de hojas de las técnicas de umbralización y el algoritmo K-Means entre nuestro conjunto de datos de imágenes y el conocido conjunto de datos de imágenes de plantas, también evaluamos los métodos utilizando el conjunto de datos de imágenes Ara2012. Los resultados mostraron que K-Means (K-3) logró el mejor rendimiento. El tiempo de ejecución de K-Means fue de aproximadamente 3 s, lo cual fue más largo que las técnicas de umbralización. Sin embargo, sigue siendo aceptable para el sistema de monitoreo de plantas en tiempo real.