Con el crecimiento de la impresión 3D en el espacio de producción, es inevitable que se necesite asegurar la calidad para mantener los productos finales dentro de las limitaciones de los requisitos. Además, la variedad de materiales que se pueden utilizar con la impresión 3D ha aumentado a lo largo de los años. Las pruebas también deben considerar el proceso de fabricación. Este documento centra sus esfuerzos en el producto terminado y no en el proceso de fabricación. Las pruebas ultrasónicas son un tipo de prueba no destructiva. Los experimentos realizados en este estudio tienen como objetivo explorar la utilidad de las pruebas ultrasónicas en materiales que son impresos en 3D. Los dos materiales utilizados en este estudio son metales de aleación de acero y bloques de aluminio de las mismas dimensiones: 120 mm x 40 mm x 15 mm. Estos materiales representan opciones comunes en los procesos de fabricación aditiva. Las aleaciones elegidas, como el aluminio (6063T6) y el acero inoxidable de grado 304, poseen propiedades distintas cruciales para validar el método de prueba propuesto. Los materiales metálicos impresos en 3D juegan un papel fundamental en diversas industrias, ya que garantizar su integridad estructural es imperativo para la fiabilidad y la seguridad. Las pruebas son cruciales para identificar y mitigar defectos que podrían comprometer la funcionalidad y la longevidad de los productos finales, especialmente en aplicaciones con requisitos de rendimiento exigentes. Se utiliza un transductor ultrasónico para escanear defectos subsuperficiales dentro de las muestras y un osciloscopio para analizar las señales. Además, se utilizan varias técnicas de aprendizaje automático (ML) para estimar la gravedad de los defectos. La aplicación de métodos de aprendizaje automático en la industria manufacturera ha demostrado ser ventajosa en términos de detección de defectos debido a su practicidad y amplia aplicación. Debido a sus beneficios distintivos en el procesamiento de información de imágenes, las redes neuronales convolucionales (CNN) son el método preferido al trabajar con datos de imágenes. Para realizar clasificación binaria y multiclase, las máquinas de soporte vectorial que emplean la función de núcleo alternativa son una opción viable para procesar señales de sensores y datos de imágenes. El estudio revela que las pruebas ultrasónicas son viables para materiales metálicos. El objetivo principal de este trabajo es evaluar y validar la aplicación de pruebas ultrasónicas para la inspección de metales de aleación de acero impresos en 3D y bloques de aluminio. La novedad radica en la integración de técnicas de aprendizaje automático para estimar la gravedad de los defectos, ofreciendo un enfoque integral y no invasivo para la evaluación de calidad en materiales impresos en 3D. El método propuesto puede detectar con éxito la presencia de defectos internos en objetos, así como estimar la ubicación y la gravedad de los defectos.