Las arquitecturas de aprendizaje profundo como las Redes Neuronales Convolucionales (CNNs) se están convirtiendo rápidamente en el estándar para detectar y contar objetos en imágenes digitales. Sin embargo, la mayoría de los experimentos encontrados en la literatura entrenan y prueban las redes neuronales utilizando datos de una sola fuente de imágenes, lo que dificulta inferir cómo los modelos entrenados se desempeñarían bajo un contexto más diverso. El objetivo de este estudio fue evaluar la robustez de los modelos entrenados utilizando datos de un número variable de fuentes. Nueve dispositivos diferentes se utilizaron para adquirir imágenes de trampas pegajosas amarillas que contenían psílidos y una amplia variedad de otros objetos, siendo cada modelo entrenado y probado utilizando diferentes combinaciones de datos. Los resultados de los experimentos se utilizaron para sacar varias conclusiones sobre cómo debería llevarse a cabo el proceso de entrenamiento y cómo la robustez de los modelos entrenados se ve influenciada por la cantidad y variedad de datos.