Aquí, desarrollamos un sistema de monitoreo de vida en jarrón (VMS) para evaluar de manera automática y precisa la calidad post-cosecha y la vida en jarrón (VL) de las rosas cortadas. El VMS integra la imagen de cámara con el algoritmo de aprendizaje profundo YOLOv8 (You Only Look Once versión 8) para monitorear continuamente los principales parámetros fisiológicos, incluyendo la apertura de la flor, el peso fresco, la absorción de agua y la incidencia de la enfermedad del moho gris. Nuestros resultados mostraron que el VMS puede medir automáticamente los principales factores fisiológicos de las rosas cortadas al obtener datos precisos y consistentes. Los valores medidos para la fisiología y la enfermedad por el VMS se correlacionaron estrechamente con los medidos por observación (OBS). Además, YOLOv8 logró un alto rendimiento en el modelo al obtener una precisión de detección de objetos del 90%. Además, el mAP0.5 respaldó la alta precisión del modelo en la evaluación de la VL de las rosas cortadas. El análisis de regresión reveló una fuerte correlación entre la VL, el VMS y el OBS. El VMS que incorpora el microscopio detectó factores fisiológicos y de enfermedad en las primeras etapas de desarrollo. Estos resultados muestran que el sistema de monitoreo de plantas que incorpora un microscopio es altamente efectivo para evaluar la calidad post-cosecha de las rosas cortadas. El método de detección temprana utilizando el VMS también podría aplicarse al proceso de cría de flores, que requiere mediciones rápidas de características importantes de las especies de flores, como la VL y la resistencia a enfermedades, para desarrollar cultivares superiores.