La mosca de la fruta es un objeto clásico de investigación en genética y biología de sistemas. En el análisis genético de las moscas, una tarea rutinaria es determinar el tamaño de la descendencia y la proporción de género en sus poblaciones. Actualmente, estas estimaciones se realizan de forma manual, lo cual es un proceso muy consumidor de tiempo. El conteo y la determinación del género de las moscas pueden automatizarse utilizando análisis de imágenes con redes neuronales de aprendizaje profundo en dispositivos móviles. Propusimos un algoritmo basado en la red YOLOv4-tiny para identificar moscas y determinar su género basándose en el protocolo de tomar fotografías de insectos en una hoja de papel blanco con una cámara de teléfono celular. Se utilizaron tres estrategias con diferentes tipos de aumentos para entrenar la red. El mejor rendimiento (IoU = 0.838) se logró utilizando imágenes sintéticas con generación de mosaicos. La determinación del género de las hembras es peor que la de los machos. Entre los factores que más influyen en la precisión del reconocimiento del género de la mosca, la posición de la mosca en el papel fue la más importante. El aumento de la intensidad de luz y la mayor calidad de las cámaras de los dispositivos tienen un efecto positivo en la precisión del reconocimiento. Implementamos nuestro método en la aplicación FlyCounter para dispositivos móviles Android, que realiza todos los pasos de procesamiento de imágenes utilizando exclusivamente los procesadores del dispositivo. El tiempo que el algoritmo YOLOv4-tiny tarda en procesar una imagen es inferior a 4 s.