La piel sirve como barrera física y química, protegiéndonos eficazmente contra el entorno externo. El Indicador del Tipo de Piel Baumann (BSTI) clasifica la piel en 16 tipos basados en rasgos como seco/graso (DO), sensible/resistente (SR), pigmentado/no pigmentado (PN), y propenso a arrugas/tenso (WT). Los métodos de evaluación tradicionales son lentos y desafiantes ya que requieren la participación de expertos. Aunque el aprendizaje profundo se ha utilizado ampliamente en la clasificación de enfermedades de la piel, su aplicación en la clasificación del tipo de piel, particularmente utilizando datos multimodales, sigue siendo en gran medida inexplorada. Para abordar esto, proponemos un modelo mejorado de Inception-v3 que incorpora el aprendizaje por transferencia, basado en la clasificación tetradimensional del Índice del Tipo de Piel Baumann (BSTI), que demuestra una precisión excepcional. El conjunto de datos utilizado en este estudio incluye indicadores fisiológicos no invasivos, cuestionarios BSTI e imágenes de piel capturadas bajo diversas fuentes de luz. Al comparar el rendimiento entre diferentes fuentes de luz, regiones de interés (ROI) y modelos de referencia, el modelo mejorado de Inception-v3 logró los mejores resultados, con una precisión de 91.11% en DO, 81.13% en SR, 91.72% en PN y 74.9% en WT, demostrando su efectividad en la clasificación del tipo de piel. Este estudio supera los métodos de clasificación tradicionales y la investigación similar previa, ofreciendo un nuevo enfoque objetivo para medir los tipos de piel de manera integral utilizando datos multimodales y de múltiples fuentes de luz.