Esta tesis propone el uso de procesamiento digital de imágenes para el control de clasificación, a través de redes neuronales, en un sistema de llenado automático de botellas. Las imágenes de las tres botellas fueron capturadas por una cámara web, dichas imágenes a través de algoritmos de MatLab pasaron a escala de grises y fueron almacenadas en una matriz de 20x20 que sirven como entrada a la red neuronal. Luego, la PC envió la información al sistema de control indicando el tipo de botella. De acuerdo a la información recibida el sistema de control activo el motor de la banda transportadora para hacer avanzar la botella hacia las estaciones de llenado, desecho, enchapado y selección. En la estación de llenado, el sistema de control activó los motores de llenado de acuerdo al tipo de botella. Si el llenado es muy alto o insuficiente, la base circular lleva a la botella a la posición de desecho. Si el llenado es el correcto, la base circular desplaza a la botella hacia la fase de clasificación. Se realizaron diferentes pruebas en el entrenamiento de la red neuronal en lo que respecta el número de iteraciones, donde se vio que 7000 iteraciones permiten que el reconocimiento sea eficiente. También para determinar la eficacia del llenado, se obtuvo que dos de cada diez botellas fueron rechazadas por mal llenado. En lo que respecta la productividad, con este sistema en media hora se puede tener hasta 38 botellas y en 8 horas hasta 608.