Resumen en español

La impresión 3D a tenido un crecimiento exponencial en los últimos años, debido a las grandes posibilidades que brinda. Sin embargo, existe una amplia gama de errores que dificultan este proceso, por eso en este estudio se abordó la detección de errores en impresiones 3D FDM utilizando técnicas de Machine Learning. La metodología empleada comprende una revisión del estado del arte, la adquisición y el filtrado de datos, y la implementación y optimización de modelos de clasificación. Se recopiló un conjunto de datos compuesto por 6,204 instancias, distribuidas en 7 categorías de errores de impresión. Se evaluaron y compararon modelos como ResNet y YOLOv8, seleccionando varias versiones para analizar su rendimiento en la detección de errores. Los resultados indican que los algoritmos fueron capaces de generalizar los errores con una exactitud máxima del 95% y de tener un recall de 0.91 hasta 1 para cada clase. Finalmente se propone una implementación para trabajos futuros.