La detección de fenotipos de recursos genéticos es un requisito importante para la selección de variedades resistentes en programas de mejoramiento e investigación. Las técnicas de visión por computadora han demostrado ser una herramienta útil para el fenotipado digital de enfermedades de interés. Uno de los patógenos que se observa cada vez más en Europa es , que causa la enfermedad de manchas en las manzanas. En este estudio, se estableció un método de fenotipado de alto rendimiento para evaluar recursos genéticos de manzana para la susceptibilidad a . Con este fin, se realizaron ensayos de inoculación con en un laboratorio y se tomaron imágenes de hojas infectadas 7, 9 y 13 días después de la inoculación. Se eligió un modelo YOLOv5s pre-entrenado para establecer el modelo, que fue entrenado con un conjunto de datos de imágenes RGB de 927 imágenes. Las imágenes tenían un tamaño de 768 x 768 píxeles y se dividieron en 738 imágenes de entrenamiento anotadas, 78 imágenes de validación y 111 imágenes de fondo sin síntomas. La precisión de la predicción de síntomas con el modelo entrenado fue del 95%. Estos resultados indican que nuestro modelo puede detectar con precisión y eficiencia manchas con acérvulos en hojas de manzana desprendidas. La detección de objetos puede utilizarse, por lo tanto, para el fenotipado digital de ensayos de hojas desprendidas para evaluar la susceptibilidad a en un laboratorio.