Las vainas de los brotes de bambú, caracterizadas por colores distintos y patrones de manchas, son marcadores fenotípicos clave que influyen en la clasificación de especies, el valor de mercado y los estudios genéticos. Este estudio presenta YOLOv8-BS, un modelo de aprendizaje profundo optimizado para detectar estas características utilizando un conjunto de datos de la montaña Jinfo, China. Mejorado por técnicas de aumento de datos, incluyendo traducción, inversión y ajuste de contraste, YOLOv8-BS superó a los modelos de referencia (YOLOv7, YOLOv5, YOLOX y Faster R-CNN) en la detección de color y manchas. Para la detección de color, logró una precisión del 85.9%, una recuperación del 83.4%, un puntaje F1 del 84.6% y una precisión promedio (AP) del 86.8%. Para la detección de manchas, registró una precisión del 90.1%, una recuperación del 92.5%, un puntaje F1 del 91.1% y un AP del 96.1%. Estos resultados demuestran una precisión y robustez superiores, permitiendo un análisis fenotípico preciso para la evaluación de germoplasma de bambú y estudios de diversidad genética. YOLOv8-BS apoya la agricultura de precisión al proporcionar una herramienta escalable para industrias sostenibles basadas en bambú. Las mejoras futuras podrían aumentar la adaptabilidad del modelo para diferencias varietales finas y aplicaciones en tiempo real.