El presente trabajo de fin de grado propone un sistema de identificación de imágenes de perros perdidos mediante el uso de técnicas de inteligencia artificial, específicamente a través de la arquitectura MobileNetV2. El objetivo principal es proporcionar una herramienta que agilice la reunificación de los perros perdidos con sus dueños. Uno de los principales factores que influye en el reencuentro es el tiempo de reacción, ya que estudios demuestran que mientras más tiempo pasa, disminuyen las probabilidades de localizar al perro perdido. Por ello, resulta crucial contar con herramientas automatizadas que agilicen este proceso desde las primeras horas. Tras analizar el estado del arte, se seleccionó MobileNetV2 como el modelo utilizado como extractor de características por su eficiencia en entornos con recursos limitados. Se conformó un conjunto diverso de imágenes y se diseñó una arquitectura modular capaz de procesarlas y compararlas mediante la extracción de vectores de características y la búsqueda de similitud utilizando FAISS. El sistema incorpora además mecanismos de detección de duplicados, almacenamiento en base de datos y evaluación de desempeño a través de métricas como F1- score, latencia y precisión. Los resultados evidencian que el uso de técnicas de aprendizaje profundo puede mejorar significativamente la velocidad y precisión frente a métodos manuales. Se concluye que esta solución representa un avance real hacia la automatización de procesos de búsqueda de perros perdidos, siendo viable su futura implementación en aplicaciones móviles.