La alfalfa (L.) se utiliza como alimento de alto valor nutricional para animales. Las malas hierbas representan un desafío significativo que afecta la producción de alfalfa. Aunque las malas hierbas están distribuidas de manera desigual, los herbicidas se aplican de forma generalizada en los campos de alfalfa. En esta investigación, se utilizaron redes neuronales convolucionales de detección de objetos, incluyendo Faster R-CNN, VarifocalNet (VFNet) y You Only Look Once Version 3 (YOLOv3), para detectar indiscriminadamente todas las especies de malas hierbas (1-clase) y discriminar entre hojas anchas y gramíneas (2-clases). YOLOv3 superó a otras redes de detección de objetos en la detección de malas hierbas gramíneas. Se compararon los rendimientos de utilizar redes de clasificación de imágenes (GoogLeNet y VGGNet) y redes de detección de objetos (Faster R-CNN y YOLOv3) para detectar hojas anchas y gramíneas. GoogLeNet y VGGNet (puntuaciones F >= 0.98) superaron a Faster R-CNN y YOLOv3 (puntuaciones F = 0.99) probados para detectar malas hierbas de hoja ancha y gramíneas que crecen en alfalfa. Investigaciones futuras integrarán VGGNet en el subsistema de visión artificial de pulverizadores inteligentes para aplicaciones de herbicidas específicas del sitio.