Se proponen cuatro marcos de aprendizaje profundo que consisten en Yolov5m y Yolov5m combinados con ResNet50, ResNet-101 y EfficientNet-B0, respectivamente, para clasificar los frutos de tomate en la planta en tres categorías: maduro, inmaduro y dañado. Para un conjunto de datos de entrenamiento que consiste en 4500 imágenes y un proceso de entrenamiento con 200 épocas, un tamaño de lote de 128 y un tamaño de imagen de 224 x 224 píxeles, se encuentra que la precisión de predicción para tomates maduros e inmaduros es del 100% al combinar Yolo5m con ResNet-101. Mientras tanto, la precisión de predicción para tomates dañados es del 94% al usar Yolo5m con el modelo Efficient-B0. Las redes ResNet-50, EfficientNet-B0, Yolov5m y ResNet-101 tienen precisiones de prueba del 98%, 98%, 97% y 97%, respectivamente. Por lo tanto, los cuatro marcos tienen el potencial para la clasificación de frutos de tomate en aplicaciones de cosecha automatizada de tomates en la agricultura.