El ancho de la ranura es uno de los elementos de calidad más importantes en el corte de láminas metálicas delgadas. El objetivo de este estudio fue desarrollar un modelo de red neuronal convolucional (CNN) para el análisis y predicción del ancho de la ranura en el corte láser de láminas delgadas de acero eléctrico no orientado. Tres parámetros de proceso de entrada fueron considerados, a saber, potencia láser, velocidad de corte y frecuencia de pulso, mientras que un parámetro de salida, el ancho de la ranura, fue evaluado. En total, se obtuvieron 40 conjuntos de datos experimentales para el desarrollo del modelo de CNN, incluidos 36 conjuntos para entrenamiento con validación cruzada de k-fold y cuatro conjuntos para pruebas. En comparación con un modelo de red neuronal profunda (DNN) y un modelo de máquina de aprendizaje extremo (ELM), el modelo de CNN desarrollado tuvo el menor error porcentual absoluto medio (MAPE) del 4,76% para el conjunto de datos de prueba final en la predicción del ancho de la ranura. Esto indica que el modelo de CNN propuesto es un modelo apropiado para la predicción del ancho de la ranura en el corte láser de láminas delgadas de acero eléctrico no orientado.