Se explotó una estrategia de aprendizaje profundo para aprender y predecir la deformación de refuerzos, impresos en 3D sobre una membrana suave preestirada. El proceso de trabajo se lee de la siguiente manera: la membrana se estira hasta un nivel predefinido; se imprime una geometría específica de refuerzos en ella; finalmente, la membrana se libera y debido a la presencia de los refuerzos impresos, el sistema experimenta una deformación fuera del plano debido al pandeo. La modelización por deposición fundida se calibró específicamente para imprimir PLA (ácido poliláctico o polilactida) en una tela de licra. Para evaluar cómo el patrón impreso afecta la configuración pandeada, se imprimieron muestras con diferentes dimensiones y geometrías en el plano de los refuerzos y se modelaron numéricamente mediante elementos finitos (EF). El modelo calibrado se utilizó luego para construir un conjunto de datos de entrenamiento más grande de geometrías de refuerzos. Finalmente, se entrenó un modelo digital basado en You Only Look Once (YOLO) preentrenado para prever la relación entre las dimensiones en el plano de los refuerzos antes de la liberación y las deformaciones fuera del plano en la configuración pandeada. Manipulando alrededor de 100 patrones diferentes, se logró una precisión del 93% en términos de reconocimiento de las dimensiones en el plano de los refuerzos y un error porcentual medio absoluto del 5% como máximo en términos de estimación de las características de la configuración pandeada. Los resultados reportados atestiguan la capacidad del enfoque propuesto y su eficiencia potencial para optimizar la forma de las geometrías impresas en 3D.