Deep Learning para la detección de fallas en pavimentos de una zona del distrito de Villa María del Triunfo 2022

• Autor: Zúñiga Guisado, Yenmy
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/93124
• Enlace del recurso: https://hdl.handle.net/20.500.12692/93124
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Tecnología; Pavimentos; Redes neuronales (Computación); Aprendizaje automático (Inteligencia artificial); https://purl.org/pe-repo/ocde/ford#2.02.04

La tesis de investigación desarrolla un sistema de inteligencia artificial basado en el aprendizaje profundo que detecta fallas en pavimentos de una zona del distrito de Villa María del Triunfo mediante arquitecturas de redes neuronales convolucionales. Asimismo, la razón del desarrollo de este sistema se debe a que actualmente existen grietas y huecos, producto por diferentes causas. Motivo por el cual su objetivo es determinar mediante técnicas del aprendizaje profundo la existencia de grietas y huecos sobre estructuras de pavimentos asfaltados o de cemento empleando metodologías de CommonKAD’S el cual permitió desarrollar un sistema inteligente haciendo uso del algoritmo YOLOv5, así como lenguaje de programación Python, bibliotecas de OpenCV, Numpy, TensorBoard, Pytorch, Matplotlib, Qt, herramientas tecnológicas como PyCharm, Spyder. Asimismo, el tipo de investigación es aplicada bajo un enfoque cuantitativo. El estudio se desarrolló en la zona de Jose Carlos Mariátegui siendo la población 420 imágenes capturadas a través del teléfono inteligente de estructuras viales que contengan grietas y huecos, analizando una muestra de 201 imágenes. El muestreo de la investigación es probabilístico por lo que es por conveniencia aplicando ficha de registro. Por consiguiente, se realizó el test de 30 imágenes alcanzando el nivel de confianza promedio de 0.62% de un total de 724 iteraciones, siendo los resultados en la precisión de grietas 0.93% y en huecos 0.77%, mientras que la sensibilidad en grietas 0.92% y en huecos alcanza a 0.91%, por último, en grietas alcanzo 0.86% y en huecos alcanza el 0.77%.