Una parte significativa de la producción de cereales está destinada al procesamiento agroalimentario, lo que implica la necesidad de buscar e implementar sistemas de almacenamiento modernos para este producto. El grano almacenado está expuesto a muchos factores desfavorables, especialmente al daño macroscópico del cariopsis causado principalmente por el gorgojo del grano. Esto desencadena una disminución sustancial en el valor del material almacenado, lo que resulta en serias pérdidas económicas. Debido a este hecho, es necesario tomar medidas para detectar de manera efectiva la presencia de esta plaga cuando el grano se entrega a las instalaciones de almacenamiento. El propósito de este trabajo fue identificar las características físicas representativas del cariopsis de trigo afectado por el gorgojo del grano. Se desarrolló un sistema visual automatizado para facilitar la detección de granos dañados y gorgojos adultos. Con el fin de obtener los datos empíricos, se decidió aprovechar el SKCS 4100 (el Sistema de Caracterización de Granos Individuales de Perten). Las mediciones obtenidas se utilizaron para construir los conjuntos de entrenamiento necesarios en el proceso de aprendizaje de ANN (red neuronal artificial) con clasificadores neuronales digitales. A continuación, se creó y verificó un conjunto de modelos neuronales identificativos, para luego seleccionar la topología óptima. El objetivo utilitario de la investigación fue apoyar el proceso de toma de decisiones que tiene lugar durante el almacenamiento de granos.