La Industria 4.0 se ha convertido en una de las áreas de investigación más dominantes en la ciencia industrial hoy en día. Muchas unidades de maquinaria industrial no cuentan con estándares modernos que permitan el uso de técnicas de análisis de imágenes en su puesta en marcha. El manejo inteligente de materiales, la clasificación y el reconocimiento de objetos no son posibles con la maquinaria que tenemos. Por lo tanto, proponemos un enfoque novedoso de aprendizaje profundo para dispositivos robóticos existentes que se puede aplicar a futuros robots sin modificaciones. En la implementación, también se diseñan modelos CAD 3D de los módulos de relé de PCB que se van a reconocer para la máquina de implantación. Alternativamente, desarrollamos y fabricamos piezas para el ensamblaje de perfiles de aluminio utilizando tecnología de impresión 3D FDM, específicamente para fines de clasificación. También aplicamos algoritmos de aprendizaje profundo basados en los modelos CAD 3D para generar un conjunto de datos de objetos para la categorización utilizando renderizado CGI. Generamos dos conjuntos de datos y aplicamos técnicas de traducción de imagen a imagen para entrenar algoritmos de aprendizaje profundo. La síntesis logró un contenido de información y calidad suficientes en las imágenes sintetizadas para entrenar eficientemente los algoritmos de aprendizaje profundo con ellas. Como resultado, proponemos un método de traducción de conjuntos de datos que es adecuado para situaciones en las que regenerar el conjunto de datos original puede ser un desafío. Los resultados obtenidos son analizados y evaluados para el conjunto de datos.