Lograr los niveles más altos de repetibilidad y precisión, especialmente en manipuladores robóticos aplicados en la fabricación automatizada, es un problema práctico de reconocimiento de poses en robótica. Las desviaciones de la geometría nominal del robot podrían producir errores sustanciales en el efector final, que pueden ser más de 0.5 pulgadas para un brazo robótico de 6 pies. En esta investigación, se desarrolla un sistema de reconocimiento de poses para estimar la posición de cada articulación del robot y la pose del efector final utilizando procesamiento de imágenes. Para generar el ángulo de la articulación, el sistema se desarrolla a través del modelado de una pose obtenida al combinar una red neuronal convolucional (CNN) y una red de perceptrón multicapa (MLP). La CNN categoriza la imagen de entrada generada por una cámara monocular remota y genera un vector de probabilidad de clasificación. El MLP genera un modelo de regresión lineal múltiple basado en el vector de probabilidad generado por una CNN y describe los valores de cada ángulo de articulación. El modelo propuesto se compara con el método de resolución del problema P-n-Perspectiva, que se basa en el seguimiento de marcadores utilizando marcadores ArUco y los valores del encoder. El sistema fue verificado utilizando un manipulador robótico con cuatro grados de libertad. Además, el método propuesto exhibe un rendimiento superior en términos de error articulación por articulación, con un error absoluto que es tres unidades menor que el del método de visión por computadora. Además, al evaluar la pose del efector final, el método propuesto mostró una desviación estándar promedio más baja de 9 mm en comparación con el método de visión por computadora, que tuvo una desviación estándar de 13 mm.