En el tratamiento térmico del acero, la descarbonización es un problema serio que conduce a una mala resistencia al desgaste y a una baja vida a fatiga. En la actualidad, la profundidad de descarbonización se determina mediante una estimación visual a simple vista, y la estimación por software se realiza a través de un análisis de imagen tradicional. Por lo tanto, el análisis de la profundidad de descarbonización sigue siendo limitado en expertos y algoritmos tradicionales. La inteligencia artificial es una tecnología de propósito general que tiene una multitud de aplicaciones. Este artículo utiliza el concepto de aprendizaje profundo para proponer un detector de capas de descarbonización (DLD) que puede determinar la profundidad de las capas descarbonizadas. Este sistema DLD cuenta con un alto rendimiento, en tiempo real, y bajos costos de aprendizaje y computación. Además, utilizamos varios tipos de imágenes de capas descarbonizadas para comparar el método propuesto con otras arquitecturas de redes de aprendizaje profundo. Los resultados experimentales muestran que el método propuesto ofrece una precisión de detección del 92.97%, que es superior a los métodos existentes y presenta demandas computacionales mucho más bajas que otras arquitecturas de red. Por lo tanto, proponemos un nuevo sistema para la determinación automática de la profundidad de descarbonización como una aplicación para el análisis metalográfico.