La detección de lesiones en la piel implica un proceso intensivo en recursos y que consume tiempo, requiriendo equipos especializados y la experiencia de dermatólogos en instalaciones médicas. La segmentación de lesiones, como un aspecto crítico de la evaluación de trastornos de la piel, ha recibido una atención sustancial en investigaciones recientes. En respuesta, desarrollamos un detector de dermatología automático portátil y propusimos un modelo de arranque débil supervisado por doble CAM para la detección de lesiones en la piel. El sistema de hardware en nuestro dispositivo utiliza un diseño modular y miniaturizado, que incluye una placa embebida, dermatoscopio y pantalla, lo que lo hace altamente portátil y fácil de usar en diversos entornos. Nuestra solución de software utiliza una red neuronal convolucional (CNN) con un modelo de arranque débil supervisado por doble clase de mapa de activación (CAM) para la detección de lesiones en la piel. El modelo cuenta con dos características clave: la integración de redes de segmentación y clasificación, y la utilización de una estructura de doble CAM para una localización precisa de lesiones. Realizamos una evaluación de nuestro método utilizando los conjuntos de datos ISIC2016 e ISIC2017, que arrojaron resultados que demuestran un AUC del 86.3% para la clasificación de lesiones en la piel para ISIC2016 y un AUC promedio del 92.9% para ISIC2017. Además, nuestro sistema logró resultados diagnósticos de un valor de referencia significativo, con un AUC promedio del 92% al ser probado en piel real. Los resultados experimentales subrayan la capacidad del dispositivo portátil para proporcionar información diagnóstica confiable sobre posibles lesiones en la piel, demostrando así su aplicabilidad práctica.