Detectar faltas de saque en tenis de mesa es crucial para garantizar un juego justo. Este documento explora el desarrollo de la detección de faltas de saque en tenis de mesa mediante el aprovechamiento del análisis de trayectoria de la pelota en 3D y técnicas de aprendizaje profundo. Utilizando un montaje de múltiples cámaras y un conjunto de datos personalizado, empleamos modelos You Only Look Once (YOLO) para la detección de pelotas y Transformers para la identificación de puntos críticos de trayectoria. Logramos una precisión del 87.52% en la detección de pelotas en movimiento rápido y un puntaje F1 de 0.93 en el reconocimiento de puntos críticos de saque como el lanzamiento, el punto más alto y el punto de impacto. Estos resultados permiten una segmentación precisa del saque y una detección robusta de faltas basada en criterios como la altura del lanzamiento y el cumplimiento del ángulo vertical. El enfoque simplifica los métodos tradicionales al centrarse únicamente en el movimiento de la pelota, eliminando la estimación de postura intensiva computacionalmente. A pesar de limitaciones como un entorno experimental controlado, los hallazgos demuestran la viabilidad de sistemas de árbitros impulsados por inteligencia artificial (IA) para juegos de tenis de mesa, proporcionando una base para aplicaciones más amplias en la arbitraje deportivo.