The present research work aimed as main objective, to implement a computer vision_x000D_ system to identify surface faults in the flexible pavement using digital image_x000D_ processing and artificial intelligence fundamentals._x000D_ Four different models of convolutional networks were designed, with a data set_x000D_ of 7200 images, 1440 being for the training set, 360 for the validation set and 77 for_x000D_ the test. The model that presented the best indicators for the computer vision system_x000D_ was chosen, the results being as follows: 98.03% efficiency, 95.06% sensitivity and_x000D_ 95.63% specificity._x000D_ Finally, with the results obtained, the hypothesis proposed could be demonstrated,_x000D_ that a computer vision system allows the identification of surface faults in the flexible_x000D_ pavement

En el presente estudio se busca analizar el comportamiento del enlace muro – elemento de borde en mampostería de concreto vibrado no reforzado al ser sometido a cargas laterales. Se realizaron 3 prototipos de muros de escala real, con 2 muestras por prototipo y se diseñó un pórtico de carga para realizar los ensayos. A la vez se realizaron ensayos de laboratorio para obtener los datos de las unidades de albañilería y así poder contrastar resultados aplicando formulas teóricas y los resultados reales obtenidos con el pórtico de carga. Se determinaron factores de forma denominados k1, k2 y k3, relacionando el muro y su elemento borde (E. B.) relleno de grout, obteniendo una relación óptima de acuerdo a los esfuerzos generados para dicho elemento. Los resultados obtenidos fueron: k1=0.3824 k2=0.0344 k3=0.7853 Con ayuda de los factores de forma obtenidos, se calculó las dimensi...