En el ámbito del control de calidad industrial, la inspección visual juega un papel fundamental en la garantía de la precisión y consistencia del producto. Además, permite la inspección sin contacto, previniendo daños potenciales en los productos, y las capacidades de monitoreo oportuno facilitan la toma de decisiones rápida. Sin embargo, los métodos tradicionales, como la inspección manual utilizando calibres de palpación, son lentos, intensivos en mano de obra y propensos a errores humanos. Para abordar estas limitaciones, este estudio propone un sistema de inspección visual basado en aprendizaje profundo para medir el espaciado de las juntas en equipos de alta precisión. Utilizando el algoritmo DeepLSD, el sistema integra técnicas tradicionales y de aprendizaje profundo para mejorar la detección de segmentos de línea, lo que resulta en resultados de inspección más robustos y precisos. Se lograron mejoras clave en el rendimiento, siendo el sistema propuesto un equipo móvil de alta precisión habilitado para aprendizaje profundo para inspeccionar el espaciado de las juntas en tiempo real. A través de un análisis comparativo con el método tradicional del calibre de palpación, el sistema propuesto demostró mejoras significativas en el tiempo de inspección, precisión y experiencia del usuario, al tiempo que reduce la carga de trabajo. Los resultados experimentales validan la efectividad y eficiencia del enfoque propuesto, destacando su potencial para una aplicación generalizada en actividades de inspección de calidad industrial.