Una de las principales áreas de investigación del Centro de Competencia en Tribología son las llamadas marcas de reposo (SSMs) en los rodamientos que ocurren si el rodamiento está expuesto a vibraciones o realiza solo micromovimientos. Las SSMs obtenidas de experimentos suelen ser fotografiadas, evaluadas y categorizadas manualmente en seis clases. Un proyecto interno ha investigado hasta qué punto se puede automatizar y objetivar esta evaluación. Las imágenes de las marcas de reposo fueron clasificadas utilizando redes neuronales convolucionales que se implementaron con la biblioteca de aprendizaje profundo. Con redes neuronales convolucionales básicas, se logró una precisión del 70.19% para la clasificación de las seis clases y del 83.65% para la clasificación de clases por pares. Las precisiones de clasificación se mejoraron mediante la augmentación de imágenes y el aprendizaje por transferencia con redes neuronales convolucionales preentrenadas. En general, se logró una precisión del 83.65% para la clasificación de todas las seis clases de marcas de reposo y del 91.35% para la clasificación de clases por pares. Dado que se generan 16 marcas individuales por cada ejecución de prueba en una prueba de casi reposo (QSST) típica del CCT y la desviación en la predicción de la clasificación es un máximo de un grado escolar, la precisión alcanzada ya es suficiente para llevar a cabo una evaluación confiable y objetiva de las marcas.