Las uniones adhesivas estructurales son cruciales en numerosas aplicaciones de ingeniería, lo que exige métodos efectivos para la inspección de su integridad. Este estudio propone un sistema automatizado para la detección de defectos en juntas adhesivas mediante el análisis de señales acústicas. Las respuestas acústicas, obtenidas de especímenes bajo ensayo, se procesan utilizando la Descomposición Wavelet (WD) para extraer un conjunto de características distintivas en el dominio tiempo-frecuencia. Estas características, sensibles a las variaciones inducidas por los defectos en la unión, se emplean posteriormente como entrada para diversos algoritmos de aprendizaje automático diseñados para tareas de clasificación. Los modelos de clasificación resultantes son entrenados para discernir automáticamente entre uniones adhesivas en condiciones óptimas y aquellas que presentan daños. Esta aproximación metodológica, que integra el poder de análisis multi-resolución de la WD con la capacidad de los algoritmos de aprendizaje automático para el reconocimiento de patrones, busca ofrecer una herramienta robusta y precisa para la evaluación no destructiva, contribuyendo al aseguramiento de la calidad y al monitoreo estructural.