Proponemos una red neuronal convolucional simple pero efectiva para aprender las similitudes entre imágenes de píxeles crudos estrechamente relacionadas para la extracción de representaciones de características y clasificación a través de la inicialización de núcleos convolucionales a partir de núcleos de filtro aprendidos de la red. La clasificación binaria de vectores de características sigmoideas y discriminativas se aprenden simultáneamente contrastando el método tradicional de extracción de características hechas a mano, que divide las tareas de extracción de características y clasificación en dos procesos diferentes durante el entrenamiento. Dependiendo de la representación de características de alta calidad aprendida por la red, las tareas de clasificación se pueden realizar de manera eficiente. Evaluamos el rendimiento de clasificación de nuestro método propuesto utilizando una colección de imágenes de superficies de azulejos que consisten en superficies agrietadas y superficies no agrietadas. Intentamos clasificar las superficies ligeramente agrietadas de las demarcaciones normales de azulejos sin grietas, lo cual podría ser útil para inspecciones visuales automatizadas que son intensivas en mano de obra, riesgosas en altitudes elevadas y consumen mucho tiempo con métodos de inspección manuales. Realizamos una serie de comparaciones sobre los resultados obtenidos al variar la optimización, las funciones de activación y la implementación de diferentes métodos de aumento de datos en la arquitectura de nuestra red. De esta manera, se exploró y determinó la efectividad del modelo presentado para la clasificación de defectos en superficies lisas. A través de una experimentación extensa, obtuvimos una prometedora precisión de validación y una pérdida mínima.