La industria agrícola enfrenta el gran desafío de las labores de cosecha intensivas e ineficientes. Por lo tanto, se requiere un sistema de cosecha de frutas eficiente y automatizado. En este estudio, se proponen tres modelos de clasificación de objetos basados en Yolov5m integrados con redes neuronales convolucionales (CNN) BoTNet, ShuffleNet y GhostNet, respectivamente, para la detección automática de frutas de tomate. Los diversos modelos se entrenaron utilizando 1508 imágenes normalizadas que contenían tres clases de tomates cherry, a saber, maduros, inmaduros y dañados. La precisión de detección para las tres clases fue del 94%, 95% y 96%, respectivamente, para el modelo modificado Yolov5m + BoTNet. Por lo tanto, el modelo parece proporcionar una base prometedora para el desarrollo posterior de sistemas de cosecha automatizados para frutas de tomate.