Las ciclovías de Lima Metropolitana necesitan mantenimiento adecuado para garantizar la seguridad de los ciclistas, pero los métodos actuales de detección de grietas no son eficientes ni automatizados. Esta tesis propone el uso de modelos basados en arquitectura YOLO y Convolutional Neural Networks (CNN) para la detección automatizada de grietas. Se recolectaron vídeos de recorridos por ciclovías, generando 91,786 imágenes, de las cuales 15,191 (17 %) fueron etiquetadas para entrenar modelos de detección. Esta base de datos se denominó “Base de Datos de Ciclovías de Lima 2024” (BDCL2024). Se entrenaron dos versiones preentrenadas de YOLO (versiones 8 y 11), utilizando imágenes de grietas en pavimentos de estudios previos y fotos locales de Lima, con el fin de evaluar el rendimiento en este contexto. Los experimentos mostraron que el modelo YOLO11 alcanzó el mejor desempe�...