El ciberacoso, que se manifiesta de diversas formas, es un desafío creciente en las redes sociales, especialmente cuando involucra amenazas de violencia a través de imágenes, sobre todo aquellas que presentan armas. Este estudio presenta un marco computacional para identificar dicho contenido utilizando redes neuronales convolucionales de imágenes relacionadas con armas. Al integrar técnicas de inteligencia artificial con análisis de imágenes, nuestro modelo detecta patrones visuales asociados con amenazas violentas, creando entornos digitales más seguros. El desarrollo de este trabajo implicó analizar imágenes que representan escenas con armas llevadas por niños o adolescentes. Las imágenes se obtuvieron de redes sociales y repositorios espaciales. Las estadísticas se procesaron a través de una red neuronal convolucional de 225 capas, logrando una tasa de precisión del 86% en la detección de armas en imágenes que presentan a niños, adolescentes y jóvenes adultos. El método de clasificación alcanzó una precisión del 17.86% con entrenamiento durante solo 25 épocas y una recuperación del 14.2%. La detección de armas es una tarea compleja debido a la variabilidad en las exposiciones de los objetos y las diferencias en las formas, tamaños, orientaciones, colores y métodos de captura de imágenes de las armas. Los problemas de segmentación y la presencia de objetos o personas en el fondo agravan aún más esta complejidad. Nuestro estudio demuestra que las redes neuronales convolucionales pueden detectar eficazmente armas en imágenes, convirtiéndolas en una herramienta valiosa para abordar el ciberacoso que involucra imágenes de armas. Detectar dicho contenido contribuye a crear entornos digitales más seguros para los jóvenes.