Los motores eléctricos se han utilizado ampliamente como elementos fundamentales para impulsar cadenas cinemáticas en sistemas mecatrónicos, que son componentes muy importantes para el correcto funcionamiento de varias aplicaciones industriales. Aunque los motores eléctricos son máquinas muy robustas y eficientes, son propensos a sufrir diferentes fallos. Una de las causas más frecuentes de falla se debe a una degradación en los rodamientos. Este fallo comúnmente ha sido diagnosticado en etapas avanzadas mediante señales de vibración y corriente. Dado que típicamente se obtienen señales relacionadas con fallos de baja amplitud, el diagnóstico de fallos en etapas incipientes resulta ser una tarea desafiante. En este contexto, se desea desarrollar técnicas no invasivas capaces de diagnosticar fallos en rodamientos en etapas tempranas, lo que permite realizar acciones de mantenimiento adecuadas. Este documento presenta un método de diagnóstico de desgaste gradual no invasivo para fallos en la pista exterior del rodamiento. La propuesta se basa en la aplicación de un análisis discriminante lineal (LDA) a características estadísticas y de dimensión fractal de Katz obtenidas de señales de flujo errante, y luego se realiza una clasificación automática mediante una red neuronal de alimentación hacia adelante (FFNN). Los resultados obtenidos demuestran la efectividad del método propuesto, que se valida en una cadena cinemática (compuesta por un motor de inducción de 0.746 KW, un sistema de transmisión de correa y poleas y un alternador como carga) bajo varias condiciones de operación: condición saludable, diámetro de agujero de 1 mm, 2 mm, 3 mm, 4 mm y 5 mm en la pista exterior del rodamiento, y frecuencias de suministro de energía de 60 Hz, 50 Hz, 15 Hz y 5 Hz.