Los patógenos como hongos y bacterias pueden provocar enfermedades en el arroz que pueden afectar drásticamente la producción de cultivos. Dado que la enfermedad es difícil de controlar a gran escala, el monitoreo de los campos de cultivo es uno de los métodos más efectivos de control. Permite la detección temprana de la enfermedad y la implementación de medidas preventivas. La estimación de la gravedad de la enfermedad basada en el análisis de imágenes digitales, donde las imágenes se obtienen del campo de arroz utilizando dispositivos móviles, es una de las estrategias de control más efectivas. Este documento ofrece un método para cuantificar la gravedad de tres enfermedades del arroz (mancha marrón, explosión y tizón bacteriano) que pueden determinar la etapa de la enfermedad de la planta. Un total de 1200 imágenes de enfermedades de arroz e imágenes saludables conforman el conjunto de datos de entrada. Con la ayuda de expertos agrícolas, la zona enferma se etiquetó según el tipo de enfermedad utilizando la herramienta Make Sense. Más del 75% de las imágenes en el conjunto de datos corresponden a una etiqueta de enfermedad, las plantas sanas representan más del 15%, y múltiples enfermedades representan el 5% de las imágenes etiquetadas. Este documento propone un novedoso modelo de grado de arroz de inteligencia artificial que utiliza un enfoque optimizado de red neuronal convolucional basado en regiones más rápidas (FRCNN) para calcular el área de las instancias de hojas y las regiones infectadas. Se utilizó la arquitectura EfficientNet-B0 como espina dorsal ya que la red muestra la mejor precisión (96.43%). El rendimiento se comparó con las arquitecturas CNN: VGG16, ResNet101 y MobileNet. Los parámetros de evaluación del modelo utilizados para medir la precisión son el valor predictivo positivo, la sensibilidad y la intersección sobre la unión. Este método de estimación de gravedad puede ser implementado como una herramienta que permite a los agricultores obtener predicciones perfectas del nivel de gravedad de la enfermedad basadas en lesiones en las condiciones del campo y producir cultivos de manera más orgánica.