El fósforo es un recurso limitado que no se puede reemplazar en todo el mundo. Su papel significativo como fertilizante subraya la necesidad de una gestión prudente y estratégica. El monitoreo adecuado del proceso de extracción de fosfato mitiga cualquier cosa que pueda influir en la cantidad o calidad del producto. La fase más importante del proceso de extracción de fosfato es la unidad de cribado, que se puede utilizar para separar los minerales de fosfato de los materiales no deseados. Sin embargo, se enfrenta a varias anomalías y fallos que influyen en el rendimiento de toda la cadena. Esta unidad requiere un control automatizado continuo para evitar cualquier bloqueo o riesgo causado por fallos. Utilizando inteligencia artificial y técnicas de procesamiento de imágenes, el objetivo principal de las investigaciones descritas en este documento fue evaluar el rendimiento de modelos de aprendizaje automático y aprendizaje profundo para detectar el mal funcionamiento de la unidad de cribado en la mina de fosfato a cielo abierto en Benguerir-Marruecos. Estos hallazgos destacan que los modelos basados en CNN y HOG son los más adecuados y precisos para el caso de estudio dado.