El té es una de las bebidas más consumidas en el mundo. Sin embargo, las plantas de té son a menudo susceptibles a diversas enfermedades, especialmente enfermedades foliares. Actualmente, la mayoría de las fincas de té identifican las enfermedades foliares a través de inspecciones manuales. Debido a su naturaleza que consume mucho tiempo y recursos, la inspección manual es poco práctica para aplicaciones a gran escala. Este estudio propone un nuevo modelo de red neuronal convolucional designado como YOLOv5 Bi-HIC para detectar enfermedades en las hojas de té, incluyendo manchas foliares algales, tizón marrón del té y tizón gris del té. El modelo mejora el modelo de detección de objetos convencional YOLOv5 al incorporar información de instancia y contexto para mejorar el rendimiento de detección. Se capturaron un total de 1091 imágenes en bruto de hojas de té afectadas por manchas foliares algales, tizón marrón del té y tizón gris del té en la Finca de Té Wenhua, en la ciudad de Miaoli, Taiwán. Los resultados indican que el modelo propuesto logra valores de precisión, recuperación, F1 Score y mAP de 0.977, 0.943, 0.968 y 0.96, respectivamente, durante el entrenamiento. Además, exhibe un puntaje de confianza de detección de 0.94, 0.98 y 0.92 para manchas foliares algales, tizón marrón del té y tizón gris del té, respectivamente. En general, los resultados indican que YOLOv5 Bi-HIC proporciona un enfoque preciso para la detección en tiempo real de enfermedades foliares y puede servir como una herramienta valiosa para la intervención y gestión oportuna en plantaciones de té.