El estudio de la dureza de los materiales es crucial para determinar su calidad, posibles fallos y aplicaciones adecuadas, así como para minimizar las pérdidas incurridas durante el proceso de producción. Para lograr esto, se deben cumplir ciertos criterios para garantizar una alta calidad. Este proceso se realiza típicamente de forma manual o utilizando técnicas basadas en el análisis de patrones de imagen de indentación producidos a través de la técnica de dureza Vickers. Sin embargo, estas técnicas requieren que el patrón de indentación no esté alineado con los bordes de la imagen. Por lo tanto, este artículo presenta una técnica basada en redes neuronales convolucionales (CNN), específicamente, una red YOLO v3 conectada a una red Dense Darknet-53. Esta técnica permite la detección de las posiciones de las esquinas de la indentación, la medición de las diagonales y el cálculo del valor de dureza Vickers del acero D2 tratado térmicamente y recubierto con Nitruro de Titanio Niobio (TiNbN), independientemente de su posición dentro de la imagen. Al implementar esta arquitectura, se logró una precisión del 92% en la detección precisa de las posiciones de las esquinas, con un tiempo de ejecución promedio de 6 segundos. La técnica desarrollada utiliza la red para detectar las regiones que contienen las esquinas y posteriormente determina con precisión las coordenadas de píxeles de estas esquinas, logrando un error porcentual relativo aproximado entre el 0.17% y el 5.98% en los resultados de dureza.