Aplicación de redes neuronales convolucionales para la identificación de patologías en estructuras de concreto armado mediante procesamiento digital de imágenes

• Autores: Leyva Nuñez, Cristhian Daniel, Davila Pezo, Keller Adriam
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/156826
• Enlace del recurso: https://hdl.handle.net/20.500.12692/156826
• Nivel de acceso: acceso abierto
• Materia: Patologías del concreto; Detección de grietas; Redes neuronales; https://purl.org/pe-repo/ocde/ford#2.01.01

Este trabajo de investigación aportó al Objetivo de Desarrollo Sostenible (ODS) número 9: "Industria, Innovación e Infraestructura". El objetivo general fue determinar la relación de las redes neuronales convolucionales en la identificación de patologías en estructuras de concreto armado mediante el procesamiento digital de imágenes. Esta investigación fue de tipo aplicada, dado que es útil en la inspección de estructuras. Para la investigación, se recolectaron 5348 fotografías de estructuras de concreto con patologías; estas fotografías tuvieron un promedio de resolución de 768 px x 768 px. Después de varias iteraciones y entrenamientos, se obtuvo un modelo de red neuronal convolucional para la identificación de patologías en estructuras de concreto armado, con un mAP de 4.9%, una precisión del 46.1% y un recall del 7.5%. De esta manera, se desarrolló una red neuronal convolucional que identifica correctamente las patologías en las estructuras de concreto armado. Esta investigación demostró una fuerte relación entre el uso de redes neuronales convolucionales y la identificación precisa de patologías en estructuras de concreto armado, demostrando las numerosas ventajas y aplicaciones útiles de esta tecnología.