El presente documento discute una aplicación comparativa de técnicas de procesamiento de imágenes, es decir, Transformada Discreta de Fourier, agrupamiento K-Means y Redes Neuronales Artificiales, para la detección de defectos en el contexto industrial de neumáticos ensamblados. La técnica de Redes Neuronales Artificiales utilizada se basa en Memoria a Largo y Corto Plazo y redes neuronales completamente conectadas. Las investigaciones se centran en el monitoreo y control de calidad de los defectos que pueden aparecer en la superficie externa de los neumáticos después de ser ensamblados. Esos defectos son causados por neumáticos que no están correctamente ensamblados a su respectivo aro metálico, generando deformaciones y raspaduras que no son deseadas. Las técnicas de procesamiento de imágenes propuestas se aplican a imágenes en bruto de alta resolución, que se adquieren mediante imágenes en línea e instrumentos ópticos. Todas las técnicas descritas, es decir, Transformada Discreta de Fourier, agrupamiento K-Means y Memoria a Largo y Corto Plazo, fueron capaces de determinar superficies externas de neumáticos defectuosas y aceptables. La investigación propuesta se lleva a cabo en el contexto de un proyecto industrial que se centra en el desarrollo de metodologías automatizadas de control y monitoreo de calidad, dentro del ámbito de las instalaciones de la Industria 4.0. Por lo tanto, las técnicas de procesamiento de imágenes están destinadas a ser adoptadas en los procesos de producción, brindando un fuerte apoyo a la fase de control de calidad en línea.