Los sistemas de monitoreo de presión de neumáticos (TPMS) son dispositivos electrónicos que controlan la presión de los neumáticos en los vehículos. Los sistemas existentes dependen de sensores de velocidad de las ruedas o sensores de presión. Se basan en baterías y transmisores de radio, lo que aumenta el costo y la complejidad. Hay dos tipos básicos de neumáticos: neumáticos no neumáticos y neumáticos neumáticos. Los neumáticos no neumáticos carecen de aire y combinan el neumático y la rueda en una sola unidad. En cuanto a la reducción de ruido, durabilidad y absorción de impactos, los neumáticos neumáticos son más valiosos que los neumáticos no neumáticos. En este estudio, se consideraron neumáticos neumáticos llenos de nitrógeno debido a la propiedad de gestión uniforme de la presión. Además, el nitrógeno tiene menos efecto en la expansión térmica que los neumáticos llenos de aire normales. Este trabajo tuvo como objetivo ofrecer un enfoque de aprendizaje profundo para el TPMS. Un acelerómetro capturó vibraciones verticales del cubo de la rueda de un vehículo en movimiento, que luego se convirtieron en forma de gráficos de vibración y se categorizaron utilizando redes preentrenadas. Las redes preentrenadas más populares, como AlexNet, GoogLeNet, ResNet-50 y VGG-16, se emplearon en este estudio. A partir de estas redes preentrenadas, se determinó y sugirió la red preentrenada de mejor rendimiento para el TPMS al variar los hiperparámetros como la tasa de aprendizaje (LR), el tamaño del lote (BS), la proporción de división de entrenamiento-prueba (TR) y el solucionador (SR). Se obtuvo una mayor precisión de clasificación del 97.20% al utilizar ResNet-50.