Introducción: La visión artificial combina inteligencia artificial y robótica para analizar imágenes capturadas por cámaras. Se basa en la teoría de la percepción del color RGB y considera factores como la iluminación y el tipo de sensor. Utiliza modelos de color para modificar imágenes con precisión. Se emplean OpenCV y Python en esta investigación sobre técnicas avanzadas en visión artificial, centrándose en la innovación y algoritmos para mejorar la precisión en la clasificación de objetos mediante el aprendizaje automático y redes neuronales. Objetivo: El objetivo principal de este estudio es llevar a cabo un examen exhaustivo de la información disponible acerca de los avances recientes en visión artificial mediante metaanálisis o revisión sistemática, con el fin de abordar de manera más precisa la investigación en este ámbito. Metodología: La investigación se enfoca en la visión artificial, priorizando fuentes científicas recientes en inglés, aunque se incluyen libros y fuentes web confiables en menor medida. Se utiliza un enfoque cualitativo a través de la metodología de Revisión Sistemática de la Literatura (SLR), que abarca la formulación de preguntas, exploración de documentos, selección rigurosa de obras y adquisición de datos relevantes. Resultados: El análisis destaca que la visión por computadora es un campo avanzado con diversas aplicaciones en sistemas de dispositivos inteligentes; también se realizó un análisis de palabras clave para identificar tendencias clave en los artículos seleccionados. Conclusión: La mayoría de los estudios relevantes sobre el tema se hallaron en bases de datos en inglés como IEEE y Springer, con limitadas referencias en Scopus debido a sus costos asociados; el enfoque de este estudio se centra en sistemas inteligentes y su aplicación en la detección de objetos en tiempo real mediante redes neuronales convolucionales. Área de estudio general: Tecnologías de la Información y Comunicación (Tic). Área de estudio específica: Inteligencia artificial.