La agricultura juega un papel esencial en la economía de México. El sector agrícola tiene una participación del 2.5% en el producto interno bruto de México. Específicamente, los tomates se han convertido en el producto agrícola más exportado del país. Es por eso que hay una creciente necesidad de mejorar los rendimientos de los cultivos. Uno de los elementos que puede afectar considerablemente la productividad de los cultivos son las enfermedades causadas por agentes como bacterias, hongos y virus. Sin embargo, el proceso de identificación de enfermedades puede ser costoso y, en muchos casos, llevar mucho tiempo. Las técnicas de aprendizaje profundo han comenzado a aplicarse en el proceso de identificación de enfermedades de plantas con resultados prometedores. En este documento, proponemos un modelo basado en redes neuronales convolucionales para identificar y clasificar enfermedades de las hojas de tomate utilizando un conjunto de datos público y complementándolo con otras fotografías tomadas en los campos del país. Para evitar el sobreajuste, se utilizaron redes generativas adversarias para generar muestras con las mismas características que los datos de entrenamiento. Los resultados muestran que el modelo propuesto logra un alto rendimiento en el proceso de detección y clasificación de enfermedades en las hojas de tomate: la precisión alcanzada es mayor al 99% tanto en el conjunto de datos de entrenamiento como en el conjunto de datos de prueba.