El control de plagas agrícolas representa un desafío constante para los productores, no solo por los elevados costos que implica realizar un monitoreo continuo y aplicar medidas eficaces para su erradicación, sino también por las significativas pérdidas económicas. Particularmente en América del Sur, las hormigas cortadoras de hojas, pertenecientes principalmente a los géneros Atta y Acromyrmex, representan una amenaza considerable para múltiples cultivos. Se estima que una sola colonia adulta puede dañar hasta un 10% de una hectárea cultivada. Cuando varias colonias actúan en simultáneo, especialmente en etapas críticas de crecimiento como la floración o el brote inicial, el daño puede incrementarse, afectando severamente la producción agrícola anual. Ante esta problemática, es indispensable implementar herramientas tecnológicas efectivas que permitan monitorear, detectar y dar seguimiento a estas plagas en tiempo real. Este proyecto aborda dicha necesidad mediante el desarrollo de un sistema basado en técnicas de inteligencia artificial, a través de la implementación de un pipeline que segmenta caminos y detecta sobre ellos la presencia de hormigas cortadoras, facilitando así su control. Los resultados del proyecto muestran que los modelos de segmentación y detección (YOLOv11) empleados en el sistema alcanzan métricas satisfactorias cuando se evalúan de forma aislada, pero su desempeño se degrada significativamente al integrarlos en el sistema ARP y aplicarlos sobre el conjunto de evaluación del mismo. En particular, la segmentación logra resultados aceptables, mientras que la detección de hormigas dentro de los caminos presenta un desempeño limitado, lo que afecta la efectividad global del sistema. Esto evidencia la necesidad de mejorar la calidad y diversidad de los datos de entrenamiento para obtener mejores resultados en escenarios reales.