Los productos acuáticos son populares entre los consumidores, y su calidad visual solía ser detectada manualmente para la evaluación de frescura. Este documento presenta una solución para inspeccionar carne de atún y salmón a partir de imágenes digitales. La solución propone hardware y un protocolo para el preprocesamiento de imágenes y la extracción de parámetros de los espacios RGB, HSV, HSI y L*a*b* de las imágenes recolectadas para generar los conjuntos de datos. Se realizaron experimentos utilizando métodos de clasificación de aprendizaje automático. Evaluamos los modelos de AutoML para clasificar los niveles de frescura de las muestras de atún y salmón a través de las métricas de: precisión, curva de características operativas del receptor, precisión, recuperación, f1-score y matriz de confusión (CM). Los conjuntos generados por AutoML, tanto para atún como para salmón, alcanzaron el 100% en todas las métricas, destacando que el método de inspección de la frescura del pescado a partir de la recolección de imágenes, a través del preprocesamiento y la extracción/ajuste de características, mostró resultados excepcionales cuando los conjuntos de datos fueron sometidos a los modelos de aprendizaje automático. Enfatizamos lo fácil que es utilizar la solución propuesta en diferentes contextos. La visión por computadora y el aprendizaje automático, como método no destructivo, fueron viables para la detección de calidad externa de los productos de carne de atún y salmón gracias a su eficiencia, objetividad, consistencia y fiabilidad debido a la alta precisión de los experimentos.