La demanda y el valor de mercado del centella asiática dependen en gran medida de la calidad de las hojas, que pueden verse afectadas por diversas variables ambientales o de fertirrigación durante el cultivo. Aunque la detección temprana de defectos en las hojas de centella asiática permitiría a los cultivadores tomar medidas rápidas, la detección manual convencional es laboriosa y consume mucho tiempo, además de ser subjetiva. Por lo tanto, el objetivo de este estudio fue desarrollar un algoritmo automático de detección de defectos en hojas para plantas de centella asiática cultivadas en condiciones de ambiente controlado, utilizando técnicas de visión artificial y aprendizaje profundo.