En el presente proyecto se diseñó y desarrolló un sistema clasificador de manzanas automatizado usando una red neuronal convolucional (CNN), entrenada con imágenes de manzanas y usando técnicas de visión artificial, instrumentándolo en una RASPBERRY PI 400 empleando herramientas como Python, OpenCV y PyTorch. Como resultado, se obtuvo un prototipo experimental funcional que es capaz de clasificar manzanas en buen y mal estado en tiempo real, realizando su separación automática y mostrando información en las pantallas del LCD y monitor. El objetivo principal del proyecto es la clasificación de manzanas en buen estado y mal estado dependiendo de sus características visuales y todo esto en tiempo real, así mismo se espera que en un futuro se pueda implementar en la industria agrícola para reducir tiempos muertos y aumentar tanto la productividad como la eficiencia en pequeñas y medianas empresas. La arquitectura del sistema está compuesta por diferentes elementos electrónicos de fácil accesibilidad y que tiene una función indispensable cada uno, estos elementos son una banda transportadora a escala de 54 cm que tiene como función transportar la manzana, un servomotor de 90 grados que es el encargado de clasificar las manzanas dependiendo de su estado, una cámara WEB que es por donde se usa la visión artificial del sistema, una fuente de voltaje para protoboard de 5 volts para alimentar los componentes, pantalla LCD de 16*2 para indicar el número de manzanas buenas y malas, 2 botones físicos para pausar y continuar el sistema una vez ejecutado, un buzzer para indicar el inicio del sistema y la cantidad límite de manzanas requeridas, y por último un modulo L298N que controla el motor de la banda transportadora.