En este trabajo se presentan los resultados obtenidos en el desarrollo de un software de análisis de imágenes basado en algoritmos de inteligencia artificial. La herramienta tiene como objetivo la detección y cuantificación de defectos de tipo poro y hueco en laminados de material compuesto de fibra de carbono, que permitiría una inspección más rápida, precisa y eficiente en comparación con los métodos manuales tradicionales. La segmentación y cuantificación automática de imágenes microscópicas de Compuestos de Fibra de Carbono y Vidrio Reforzados (FRPs) representa un desafío crucial en la inspección y evaluación de la calidad de estos materiales compuestos. En la actualidad, el análisis de la defectología en laminados de material compuesto se realiza, principalmente, a través de ensayos de microscopía óptica. En el caso de la detección y cuantificación de poros, este proceso se realiza de forma manual sobre las micrografías capturadas. Por lo general, este tipo de ensayos supone un elevado tiempo de ejecución. El empleo de técnicas de inteligencia artificial para el análisis de imágenes supone un gran avance en cuanto al tiempo de ejecución, puesto que se pasaría de tiempos de 30 minutos a escasos segundos. Además, supone una reducción en la fatiga del personal técnico cualificado. El trabajo realizado se centra en el desarrollo e implementación de técnicas de aprendizaje automático y visión por computadora para abordar la detección de huecos y poros en FRPs. El problema de detección en imágenes de fibra de carbono y vidrio FRP se ha resuelto empleando un modelo de segmentación de instancias YOLOv8. Para la primera aplicación desarrollada, la validación de los modelos no ha sido completamente favorable, por lo que la implantación en el laboratorio de esta herramienta no puede realizarse de forma total. Si bien la herramienta da resultados aceptables en algunas ocasiones, el porcentaje de acierto hace que aún sea necesario una evaluación en detalle de los resultados obtenidos por parte de los técnicos de ensayo cualificados. El trabajo presentado en este resumen se enmarca dentro del proyecto ASSISTER, financiado por la Secretaría de Estado de Digitalización e Inteligencia Artificial, del Ministerio de Asuntos Económicos y Transformación Digital, en la convocatoria C005/21-ED de red.es y por la Corporación Tecnológica de Andalucía CTA.