Basado en la apariencia de los tomates, es posible determinar si están enfermos. Detectar enfermedades temprano puede ayudar a reducir las pérdidas de rendimiento de los tomates mediante un tratamiento oportuno. Sin embargo, la inspección visual humana es costosa en términos de tiempo y mano de obra requerida. Este documento presenta un sistema automático de monitoreo de enfermedades de tomates utilizando un robot móvil modular y extensible que desarrollamos en un invernadero. Nuestro sistema monitorea automáticamente si los tomates están enfermos y transmite las ubicaciones específicas de los tomates enfermos a los usuarios basándose en la información de ubicación de los datos de imagen recopilados por el robot, de manera que los usuarios puedan adoptar un tratamiento oportuno. Este sistema consta de dos partes principales: un robot móvil modular y extensible que desarrollamos y un servidor que ejecuta un programa de detección de enfermedades de tomates. Nuestro robot está diseñado para configurarse y extenderse según la altura real de las plantas de tomate, asegurando así que el rango de monitoreo cubra la mayoría de los tomates. Funciona de forma autónoma entre dos filas de plantas de tomate y recopila los datos de imagen. Además de almacenar los datos de imagen de los tomates, el servidor de datos ejecuta un programa para detectar enfermedades. Este programa contiene un modelo de detección de enfermedades de dos niveles: una red de detección para detectar tomates enfermos y una red de validación para verificar los resultados de la detección. La red de validación verifica los resultados de la red de detección clasificando las salidas de la red de detección, reduciendo así la tasa de falsos positivos del sistema propuesto. Experimentalmente, este trabajo se centra en la pudrición apical de los tomates. En este documento, YOLOv5, YOLOv7, Faster R-CNN y RetinaNet se entrenan y se comparan en conjuntos de datos divididos por diferentes condiciones. YOLOv5l mostró los mejores resultados en el conjunto de datos dividido aleatoriamente: el mAP@0.5 alcanzó el 90.4% y la recuperación alcanzó el 85.2%. A través del YOLOv5l entrenado, se creó un conjunto de datos para entrenar las redes de clasificación: ResNet, MobileNet y DenseNet. MobileNetv2 logró el mejor rendimiento general con una precisión del 96.7% y un tamaño de 8.8 MB. La implementación final en el sistema incluyó YOLOv5l y MobileNetv2. Cuando el umbral de confianza de YOLOv5l se estableció en 0.1, las tasas de falsos positivos y falsos negativos del modelo de dos niveles fueron del 13.3% y 15.2%, respectivamente. En comparación con el uso de YOLOv5l solo, la tasa de falsos positivos disminuyó en un 5.7% y la tasa de falsos negativos aumentó solo en un 2.3%. Los resultados de la operación real del sistema propuesto revelan que el sistema puede informar al usuario sobre las ubicaciones de los tomates enfermos con una baja tasa de falsos positivos y falsos negativos, y que es un enfoque efectivo y promocionable.