Este artículo presenta un modelo de detección de defectos en imágenes de plantaciones de caña de azúcar. El objetivo es evaluar las áreas defectuosas que ocurren en la plantación de caña de azúcar antes de las temporadas de cosecha. Las áreas defectuosas en la caña de azúcar suelen ser causadas por tormentas y malezas. Este algoritmo de detección de defectos utiliza plantaciones de caña de azúcar de alta resolución y técnicas de procesamiento de imágenes. El algoritmo para la detección de defectos consta de cuatro procesos: (1) recolección de datos, (2) preprocesamiento de imágenes, (3) creación del modelo de detección de defectos y (4) creación del programa de aplicación. Para la extracción de características, los investigadores utilizaron segmentación de imágenes y filtrado por convolución con 13 máscaras junto con la media y la desviación estándar. Los métodos de extracción de características generaron 26 características. Se seleccionó el algoritmo de vecinos más cercanos para desarrollar un modelo para la clasificación de las áreas de caña de azúcar. También se eligió el método de selección de color para detectar áreas defectuosas. Los resultados muestran que el modelo puede reconocer y clasificar las características de los objetos en imágenes de plantaciones de caña de azúcar con una precisión del 96.75%. Después de la comparación con la evaluación del topógrafo experto, la relevancia precisa obtenida fue del 92.95%. Por lo tanto, el modelo propuesto puede utilizarse como una herramienta para calcular el porcentaje de áreas defectuosas y resolver el problema de evaluar errores de rendimiento en el futuro.