La fatiga mental es un importante problema de salud pública a nivel mundial que es común tanto en personas sanas como enfermas. En la literatura, se han propuesto diversas tecnologías modernas, junto con técnicas de inteligencia artificial. La mayoría de las técnicas consideran biosignales complejos, como electroencefalograma, electrooculograma o la clasificación de parámetros básicos de variabilidad de la frecuencia cardíaca. Además, la mayoría de los estudios se centran en áreas particulares, como la conducción, la cirugía, etc. En este documento, se presenta un enfoque novedoso que combina la extracción de características de la señal electrocardiográfica (ECG), el análisis de componentes principales (PCA) y la clasificación utilizando algoritmos de aprendizaje automático. Con el objetivo de reconocer la fatiga mental diaria, se diseñó un experimento en el que las señales de ECG se registraron dos veces al día: por la mañana, es decir, en un estado sin fatiga, y por la noche, es decir, en un estado fatigado. Los resultados del análisis PCA muestran que los parámetros de la señal de ECG, como los valores de amplitud de las ondas Q y R, así como los intervalos QT y T, presentaron las mayores diferencias entre estados en comparación con otros parámetros de la señal de ECG. Además, el clasificador de bosques aleatorios logró más del 94.5% de precisión. Este trabajo demuestra la viabilidad de la extracción de características de la señal de ECG para la detección automática de la fatiga mental.