Las calabazas son una fruta nutritiva y disfrutada a nivel mundial por su rico y terroso sabor. Las propiedades biofísicas de las calabazas juegan un papel importante en la determinación de su rendimiento. Sin embargo, las técnicas manuales en el campo para monitorear estas propiedades pueden ser lentas y laboriosas. Para abordar esto, esta investigación presenta un enfoque novedoso que alimenta imágenes de calabazas de alta resolución para entrenar un modelo matemático que automatiza la medición de las propiedades biofísicas de cada calabaza. Se realizó una corrección de color en el conjunto de datos utilizando un panel de verificación de color para minimizar el impacto de las condiciones de luz variables en las imágenes RGB. Luego, se entrenó un modelo de segmentación para reconocer de manera efectiva dos componentes fundamentales de cada calabaza: la fruta y la vid. Se calcularon y compararon mediciones reales de varias propiedades biofísicas, incluyendo la longitud de la fruta, el ancho de la fruta, la longitud del tallo, el ancho del tallo y el color de la cáscara de la fruta, con mediciones manuales. Los resultados experimentales en 10 muestras diferentes de calabazas revelaron que el marco obtuvo un pequeño error porcentual absoluto medio (MAPE) promedio de 2.5% en comparación con el método manual, destacando el potencial de este enfoque como una alternativa más rápida y eficiente a las técnicas convencionales para monitorear las propiedades biofísicas de las calabazas.