Los investigadores en los campos del aprendizaje automático e inteligencia artificial han comenzado recientemente a centrar su atención en el reconocimiento de objetos. Uno de los mayores obstáculos en el reconocimiento de imágenes a través de la visión por computadora es la detección e identificación de elementos similares. Identificar instrumentos musicales similares puede abordarse como un problema de clasificación, donde el objetivo es entrenar un modelo de aprendizaje automático para clasificar instrumentos según sus características y forma. Violonchelos, clarinetes, erhus, guitarras, saxofones, trompetas, trompas, arpas, flautas dulces, fagotes y violines fueron todos clasificados en esta investigación. Hay muchos instrumentos musicales diferentes que tienen el mismo tamaño, forma y sonido. Además, nos sorprendió la simplicidad con la que los humanos pueden identificar elementos muy similares entre sí, pero esta es una tarea desafiante para las computadoras. Para este estudio, utilizamos YOLOv7 para identificar pares de instrumentos musicales que son más parecidos entre sí. A continuación, comparamos y evaluamos los resultados de YOLOv7 con los de YOLOv5. Además, los resultados de nuestras pruebas nos permitieron mejorar el rendimiento en términos de detección de instrumentos musicales similares. Además, con una precisión promedio del 86.7%, YOLOv7 superó en rendimiento enfoques anteriores y otros resultados de investigación.