Los sistemas de saneamiento son fundamentales para la infraestructura urbana, pero con el tiempo, las tuberías experimentan un deterioro que afecta su funcionamiento. Por ello, es crucial realizar inspecciones rutinarias. La limitada disponibilidad de profesionales frente al considerable número de tuberías hace imperativa la automatización de las inspecciones. En este trabajo se presenta una investigación sobre el uso de redes neuronales para afrontar el problema de la detección de defectos en tuberías de saneamiento a través de imágenes. Se busca aportar al área de la automatización de las inspecciones de saneamiento, creando modelos que puedan procesar video-inspecciones y detectar defectos. El enfoque principal se centra en entrenar modelos de clasificación de imágenes usando el conjunto de datos Sewer-ML. Este conjunto dispone más de un millón de imágenes de tuberías de saneamiento clasificadas por profesionales del rubro. Se exploran distintas familias de modelos de clasificación de imágenes. Entre ellos Inception, ResNet, DenseNet, ViT y DaViT. Se evalúan los modelos generados en términos de características y métricas de desempeño. Se presenta a su vez la metodología utilizada para experimentar con estos modelos y los programas utilizados. Para el manejo de redes neuronales se utiliza principalmente el lenguaje Python y la biblioteca PyTorch. Para la infraestructura se utilizó la plataforma ClusterUY. Por último, se implementa en Python un sistema que facilita el uso de las redes generadas para una empresa local con el fin de automatizar la generación de reportes a partir de video-inspecciones.