Determinación de fisuras y grietas en estructuras de concreto mediante el procesamiento de imágenes utilizando un modelo de redes neuronales artificiales en la provincia de Huamanga, 2024

• Autor: Espillco Quintanilla, Freud Watson
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional San Cristóbal de Huamanga
• Repositorio: UNSCH - Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsch.edu.pe:20.500.14612/7043
• Enlace del recurso: https://repositorio.unsch.edu.pe/handle/20.500.14612/7043
• Nivel de acceso: acceso abierto
• Materia: Grietas; Fisuras; Procesamiento de imágenes; Estructuras; Redes Neuronales convolucionales; Concreto armado; https://purl.org/pe-repo/ocde/ford#2.01.03

Actualmente, diversas razones han provocado que los puentes de concreto armado con más de 25 años de antigüedad presenten fisuras y grietas. Estos factores incluyen la falta de control de calidad, el mantenimiento insuficiente, las cargas móviles, las cargas muertas y la fatiga sísmica. En esta investigación, proponemos una metodología alternativa al mantenimiento manual para prolongar la vida útil de estas estructuras. En esta investigación utilizamos un modelo predictivo basado en una red neuronal ANN(Artificial Neuron network) mas específicamente una red neuronal Convolucional CNN para poder determinar y clasificar fisuras y grietas en estructuras de concreto en la provincia de Huamanga, departamento de Ayacucho a partir de fotografías y videos. Se seleccionaron fotografías de diferentes ángulos, perspectivas de los elementos estructurales, almacenarlos, limpiarlos y seleccionarlos para su posterior entrenamiento en un modelo de de redes neuronales artificiales, para poder realizar el entrenamiento de la red neuronal convolucional se utilizo el 70% de datos y el restante 30% para comprobación de la red neuronal convolucional. La arquitectura de nuestra red tiene una capa de entrada llamada Input data donde ingresamos las fotografías y la capa de convolucion se encarga de aprender patrones de las fotografias procesadas, luego en la capa oculta (Hiddenlayer) se encarga de determinar por pixeles que significa cada elemento de la fotografía técnicamente hablando convoluciona para finalmente entender de que trata la fotografía y sus pixeles, luego esta la capa de salida (Output Data) que nos clasificara que tipo de imagen es de acuerdo a los datos entrenados anteriormente. Concluyendo, mediante la aplicación de redes neuronales convolucionales utilizando fotografías digitales, se logró detectar fisuras y grietas en los elementos estructurales de concreto armado. Esto permitirá su posterior mantenimiento y operación del mismo.