En este trabajo, proponemos una nueva metodología para la detección y monitoreo de grietas en estructuras de concreto. Este enfoque se basa en un análisis de multirresolución de una muestra o un espécimen de material de concreto sometido a varios tipos de solicitaciones. La imagen obtenida por investigación ultrasonido y procesada por una wavelet personalizada se analiza en varias escalas para detectar grietas internas e inicio de grietas. El objetivo final de este trabajo es proponer un esquema de identificación automática de tipos de grietas basado en redes neuronales convolucionales (CNN). En este contexto, la propagación de grietas puede ser monitoreada sin acceso a la superficie de concreto y el objetivo es detectar grietas antes de que sean visibles. Esto se logra mediante la combinación de dos herramientas principales de análisis de datos que son las wavelets y el aprendizaje profundo. Este procedimiento original se muestra que produce una alta precisión cercana al 90%. Para evaluar el rendimiento de las arquitecturas de CNN propuestas, también utilizamos una base de datos de acceso abierto, SDNET2018, para la detección automática de grietas externas.