Esta investigação apresenta um modelo baseado em CNN altamente preciso (99,9% de precisão) para a deteção precoce da ferrugem negra no trigo utilizando a análise de imagens. O modelo foi treinado num conjunto de dados diversificado e específico da região, garantindo um desempenho robusto em condições agro-climáticas variáveis. Permite a deteção precoce da doença, reduzindo a perda de rendimento, optimizando a utilização de fungicidas e promovendo práticas agrícolas sustentáveis. O sistema é leve, pode ser implementado em smartphones e integra-se em ecossistemas agrícolas digitais, capacitando os agricultores com ferramentas de IA acessíveis. A sua escalabilidade e compatibilidade com a IoT e as plataformas de nuvem posicionam-no como um passo vital para a agricultura de precisão e a segurança alimentar nacional.