En las industrias de envasado de alimentos y medicamentos, el envasado limpio es crucial tanto para la satisfacción del cliente como para la higiene. Un Departamento de Aseguramiento de Calidad Operacional (QAD) es necesario para detectar paquetes contaminados. La inspección manual se vuelve tediosa y puede llevar a que se pasen por alto instancias de contaminación a lo largo de la línea de producción. Para abordar este problema, se propone un sistema de detección de contaminación utilizando una red neuronal convolucional profunda mejorada (CNN) en un marco de colaboración humano-robot. El sistema propuesto utiliza una CNN para identificar y clasificar la presencia de contaminantes en las superficies de los productos. Se genera un conjunto de datos, y se aplican métodos de aumento al conjunto de datos para nueve clases como café, mancha, chocolate, pasta de tomate, mermelada, crema, acondicionador, crema de afeitar y contaminantes de pasta de dientes. El experimento se llevó a cabo utilizando una plataforma mecatrónica con una cámara para la detección de contaminación y un sensor de tiempo de vuelo para la interacción segura máquina-entorno. Los resultados del experimento indican que el sistema informado puede identificar con precisión la contaminación con un 99.74% de precisión promedio (mAP).