El maíz (L.) es uno de los cereales más importantes a nivel mundial. Para mantener la productividad de los cultivos, es importante eliminar las malas hierbas que compiten por nutrientes y otros recursos. La erradicación de estas causa problemas ambientales a través del uso de agroquímicos. La implementación de tecnología para mitigar este impacto también es un desafío. En este trabajo, se implementó un sistema de visión artificial basado en el modelo YOLOv5s (You Only Look Once), que utiliza una única red neuronal convolucional (CNN) que permite diferenciar el maíz de cuatro tipos de malas hierbas, para lo cual se construyó una estructura de soporte móvil para capturar imágenes. El rendimiento del modelo entrenado tuvo un valor de mAP@05 (Promedio de Precisión) en un umbral de 0.5 del 83.6%. Se obtuvo una precisión de predicción del 97% y un mAP@05 del 97.5% para la clase de maíz. Para las clases de malas hierbas, se obtuvo una precisión del 86%, 90%, 78% y 74%, y un mAP@05 del 81.5%, 90.2%, 76.6% y 72.0%, respectivamente. Los resultados son alentadores para la construcción de un sistema de deshierbe de precisión.