La automatización del proceso de fabricación de placas de circuito impreso (PCB) requiere inspecciones precisas de PCB, que a su vez requieren imágenes claras que representen con precisión los PCB del producto. Sin embargo, si se capturan imágenes de baja calidad durante el proceso de captura de imágenes involucrado, no se puede garantizar una inspección precisa de PCB. Por lo tanto, este estudio propone un método para detectar de manera efectiva imágenes defectuosas para la inspección de PCB. Este método implica el uso de una red neuronal convolucional (CNN) y un filtro Laplaciano para lograr una mayor precisión en la clasificación de las imágenes obtenidas como imágenes normales y defectuosas que la obtenida utilizando métodos existentes, con resultados que muestran una mejora del 11,87%. Es notable que la precisión de la clasificación obtenida utilizando tanto una CNN como un filtro Laplaciano es mayor que la obtenida utilizando solo CNN. Además, aplicar el método propuesto a imágenes de componentes de computadora distintos de las PCB resulta en un aumento del 5,2% en la precisión de la clasificación en comparación con el uso solo de CNN.