El rábano blanco es una hortaliza nutritiva y deliciosa que se disfruta a nivel mundial. Las técnicas convencionales para monitorear el crecimiento del rábano son arduas y consumen mucho tiempo, lo que fomenta el desarrollo de métodos novedosos para mediciones más rápidas y mayor densidad de muestreo. Esta investigación introduce un modelo matemático que trabaja con imágenes de alta resolución para medir automáticamente las propiedades biofísicas del rábano. Se realizó una calibración de color en el conjunto de datos utilizando un panel de verificación de color para minimizar el impacto de las condiciones de luz variables en las imágenes RGB. Posteriormente, se entrenó un modelo Mask-RCNN para segmentar de manera efectiva los diferentes componentes de los rábanos. Las observaciones de los resultados segmentados incluyeron longitud de hoja, ancho de hoja, ancho de raíz, longitud de raíz, relación longitud-anchura de hoja, relación longitud-anchura de raíz, color del hombro de la raíz y color de la piel de la raíz. Luego se realizaron mediciones automatizadas en tiempo real de estas observaciones y se compararon con los resultados reales. Los resultados de validación, basados en un conjunto de muestras de rábano blanco, demostraron la efectividad de los modelos en utilizar imágenes para cuantificar rasgos fenotípicos. La precisión promedio del método automatizado se confirmó en un 96.2% en comparación con el método manual.