Tradicionalmente, los agricultores monitorean sus cultivos empleando sus sentidos y experiencia. Sin embargo, el sistema sensorial humano es inconsistente debido al estrés, la salud y la edad. En este documento, proponemos una aplicación agronómica para monitorear el crecimiento de plántulas de tomate Portos utilizando Kinect 2.0 para construir un sistema más preciso, rentable y portátil. La metodología propuesta clasifica las plántulas de tomate en cuatro categorías: la primera corresponde a la plántula con crecimiento normal en el momento de la germinación; la segunda corresponde a la germinación que ocurrió días después; la tercera categoría implica una germinación excesivamente tardía donde su crecimiento estará fuera del tiempo de cosecha estimado; la cuarta categoría corresponde a plántulas que no germinaron. Normalmente, un experto realiza esta clasificación analizando el diez por ciento de las plántulas seleccionadas al azar. En este trabajo, estudiamos diferentes métodos de segmentación y clasificación donde el Modelo de Mezcla Gaussiana (GMM) y el Clasificador de Árbol de Decisión (DTC) mostraron el mejor rendimiento en la segmentación y clasificación de plántulas de tomate Portos.