La caña de azúcar es el cultivo principal en la industria azucarera mundial, sin embargo, sigue siendo altamente susceptible a una amplia gama de enfermedades que afectan significativamente su rendimiento y calidad. Se requiere una solución efectiva para abordar los problemas causados por la identificación manual de enfermedades de plantas, lo cual es un proceso que consume mucho tiempo y tiene baja precisión de detección. Este artículo propone el desarrollo de un modelo robusto de Red Neuronal Convolucional de Ensamble Profundo (DECNN) para la detección precisa de enfermedades en hojas de caña de azúcar.