La detección de objetos a menudo tiene dificultades para identificar con precisión partes visualmente similares, un desafío común en aplicaciones industriales. Para abordar este problema, proponemos una metodología de agrupamiento basada en la similitud visual de modelos de objetos en 3D. Este enfoque es particularmente efectivo cuando se integra con la generación de imágenes sintéticas, ya que ambos procesos dependen de modelos en 3D. En este estudio de caso, observamos un aumento de más del 20% en el rendimiento de clasificación en dos arquitecturas diferentes de detectores de objetos en un conjunto de datos de validación al entrenar un detector de objetos en grupos visualmente similares en lugar de en todas las clases, lo que sugiere el potencial de nuestro método como una base para un esquema de clasificación en múltiples etapas.