Este estudio investigó el potencial de la reconstrucción de imágenes mediante redes neuronales generativas adversariales (cGAN) en la tomografía de capacitancia eléctrica industrial. La calidad de la reconstrucción de imágenes se examinó utilizando patrones de imagen típicos para un flujo bifásico. El conjunto de datos de entrenamiento se preparó generando imágenes de objetos de prueba aleatorios y simulando las correspondientes mediciones de capacitancia. Se realizaron simulaciones numéricas utilizando la herramienta ECTsim para MATLAB. Se utilizó un sensor ECT cilíndrico de dieciséis electrodos en los experimentos. Se obtuvieron mediciones reales utilizando el sistema de adquisición de datos EVT4. Las imágenes reconstruidas se evaluaron utilizando métricas de calidad de imagen seleccionadas. Los resultados obtenidos con cGAN son mejores que los obtenidos con la iteración de Landweber y el algoritmo simplificado de Levenberg-Marquardt. El método sugerido ofrece una solución prometedora para un algoritmo de reconstrucción rápida adecuado para el monitoreo en tiempo real y el control de un flujo bifásico utilizando ECT.