En este estudio, se propone un algoritmo de aprendizaje profundo basado en el enfoque you-only-look-once (YOLO) para la inspección de calidad de placas de circuito impreso (PCBs). La alta precisión y eficiencia de los algoritmos de aprendizaje profundo ha resultado en su mayor adopción en todos los campos. De manera similar, la detección precisa de defectos en PCBs mediante el uso de algoritmos de aprendizaje profundo, como las redes neuronales convolucionales (CNNs), ha llamado considerablemente la atención. En el método propuesto, ingenieros altamente capacitados en inspección de calidad primero utilizan una interfaz para grabar y etiquetar PCBs defectuosas. Los datos se utilizan luego para entrenar un modelo YOLO/CNN para detectar defectos en PCBs. En este estudio, se utilizaron 11,000 imágenes y una red de 24 capas convolucionales y 2 capas completamente conectadas. El modelo propuesto logró una precisión de detección de defectos del 98.79% en PCBs con un tamaño de lote de 32.