Este documento presenta un sistema práctico de detección de contaminación para lentes de cámara utilizando análisis de imágenes con aprendizaje profundo. El sistema propuesto puede detectar contaminación en imágenes digitales de cámaras a través del aprendizaje de contaminación utilizando aprendizaje profundo, y tiene como objetivo prevenir la degradación del rendimiento de los sistemas de visión inteligente debido a la contaminación de las lentes en las cámaras. Este sistema se basa en el algoritmo de detección de objetos YOLO (v5n, v5s, v5m, v5l y v5x), que se entrena con 4000 imágenes capturadas en diferentes condiciones de iluminación y fondo. Los modelos entrenados mostraron que la precisión promedio mejora a medida que aumenta el tamaño del algoritmo, especialmente para YOLOv5x, que mostró una excelente eficiencia en la detección de contaminación por gotas en 23 ms. También lograron una precisión promedio (mAP@0.5) del 87.46%, un recall (mAP@0.5:0.95) del 51.90%, una precisión del 90.28%, un recall del 81.47% y un puntaje F1 del 85.64%. Como prueba de concepto, demostramos la identificación y eliminación de contaminación en lentes de cámara integrando un sistema de detección de contaminación y un sistema de limpieza basado en calefacción transparente. Se anticipa que el sistema propuesto se aplique a sistemas de conducción autónoma, cámaras de vigilancia de seguridad pública, drones de monitoreo ambiental, etc., para aumentar la seguridad y fiabilidad operativa.