Los métodos tradicionales de supervisión en la industria de la construcción son lentos y costosos, requiriendo inversiones significativas en mano de obra calificada. Sin embargo, con los avances en inteligencia artificial, visión por computadora y aprendizaje profundo, estos métodos ahora pueden ser automatizados, lo que resulta en ahorros de tiempo y costos, así como mejoras en la calidad del producto. Este estudio se centra en la aplicación de enfoques de visión por computadora para monitorear la calidad de la soldadura en elementos de acero prefabricados. Se diseñó una red de alto rendimiento, que consta de una estación de captura de video, un clasificador personalizado basado en un detector YOLOv4 y un rastreador IoU, y un software de interfaz de usuario para cualquier interacción con los trabajadores de control de calidad. La red demostró una precisión de más del 98% en la identificación de tipos de conexiones de acero y en la detección de soldaduras faltantes en la línea de ensamblaje en tiempo real. Se realizó una validación extensa utilizando un gran conjunto de datos de un entorno de producción real. El marco propuesto tiene como objetivo reducir retrabajos, minimizar riesgos y mejorar la calidad del producto. Esta investigación contribuye a la automatización de los procesos de control de calidad en la industria de la construcción.