Los engranajes son componentes fundamentales utilizados para transmitir potencia y movimiento en la industria moderna. El monitoreo de su estado de salud es crucial para garantizar operaciones confiables, prevenir paradas no programadas y minimizar las lesiones humanas. Desde este punto de vista, el presente estudio propuso un modelo de red neuronal convolucional unidimensional (CNN 1-D) para diagnosticar grietas en las raíces de los dientes de engranajes rectos involutos estándar y asimétricos. Se estableció un modelo dinámico de 6 grados de libertad de una transmisión de engranaje recto de una etapa para lograr este objetivo y simular las respuestas de vibración de pares de engranajes rectos estándar (20 grados/20 grados) y asimétricos (20 grados/25 grados y 20 grados/30 grados) sanos y agrietados (25%-50%-75%-100%). Se añadieron tres niveles de relaciones señal-ruido a los datos de vibración para complicar la tarea de diagnóstico de fallos tempranos. La consideración principal del presente estudio es investigar las características dinámicas de los engranajes asimétricos y si la asimetría de los dientes facilitaría la detección de grietas en los dientes, además de las mejoras que ofrece en términos de resistencia al impacto, resistencia a la flexión y vida útil a la fatiga. Los hallazgos indicaron que la precisión de clasificación del modelo CNN 1-D desarrollado podría mejorarse hasta en un 12.8% utilizando un perfil de diente asimétrico (20 grados/30 grados) en lugar de un diseño estándar (20 grados/20 grados).