Este documento informa sobre el desarrollo de un algoritmo de aprendizaje evolutivo eficiente diseñado específicamente para aplicaciones de inspección visual integradas en tiempo real. El algoritmo de aprendizaje evolutivo propuesto construye características de imagen como una serie de transformaciones de imagen para la clasificación de imágenes y es adecuado para sistemas con recursos limitados. Este algoritmo solo requiere un pequeño número de imágenes y tiempo para el entrenamiento. No depende de características hechas a mano o ajuste manual de parámetros y es generalizado para ser versátil en aplicaciones de inspección visual. Esto permite que el sistema se configure sobre la marcha para diferentes aplicaciones y por un operador sin experiencia extensa. Un sistema de visión integrada, equipado con un procesador ARM que ejecuta Linux, es capaz de realizar aproximadamente cien cuadros de 640 x 480 por segundo, lo cual es más que adecuado para aplicaciones de inspección visual en tiempo real. Como ejemplos de aplicaciones, se crearon tres conjuntos de datos de imágenes para probar el rendimiento de este algoritmo. El primer conjunto de datos se utilizó para demostrar la idoneidad del algoritmo para aplicaciones de automatización de inspección visual. Este experimento combinó dos aplicaciones para hacerlo una prueba más desafiante. Una aplicación era para separar huevos fertilizados y no fertilizados. La otra era para detectar dos defectos comunes en la cáscara del huevo. Se crearon otros dos conjuntos de datos para la clasificación de condiciones de carretera y la evaluación de calidad del pavimento. El algoritmo propuesto tuvo un 100% de precisión para la detección de huevos fertilizados y un 98.6% para la inspección de calidad de la cáscara del huevo, con una precisión combinada del 99.1%. Tuvo una precisión del 92% para la clasificación de condiciones de la carretera y del 100% para la evaluación de calidad del pavimento.