Se ha demostrado que muchos errores humanos en la industria se deben al cansancio y la fatiga en la ejecución de tareas repetitivas. No obstante, muchas de estas tareas no pueden ser reemplazadas por métodos de automatización simples, ya que requieren de un componente inteligente capaz de procesar la información captada. Este es el caso de la clasificación de piezas dispuestas aleatoriamente, que necesita ser identificadas y clasificadas correctamente. Para abordar este desafío, se implementó un sistema compuesto por un brazo robótico Niryo One, una cámara RGB D y una Jetson Nano, junto con algoritmos de Deep Learning, para llevar a cabo la identificación de los parámetros de agarre, ejecución del agarre, clasificación de piezas y reubicación. Todo esto fue organizado utilizando el framework de ROS para una mejor gestión de los procesos. El sistema alcanzó una precisión promedio del 94% en el agarre de las piezas y del 91.5% en su clasificación. Estos resultados establecen una base sólida para futuras implementaciones de sistemas de clasificación con brazos robóticos y visión artificial en aplicaciones industriales. Palabras Clave: clasificación de piezas, robótica, visión artificial, Deep learning, ROS.