Aplicación de un modelo de Deep Learning con redes neuronales convolucionales para evaluar la integridad estructural y predecir fallas en puentes de concreto mediante exploración visual de imágenes

Descripción del Articulo

En el área de la ingeniería civil, es muy importante revisar la salud estructural de los puentes de concreto. Esta revisión tiene el objetivo de mantener la seguridad y mejorar el mantenimiento de estas estructuras. Por otro lado, en el área de la Inteligencia Artificial, las Redes Neuronales Convol...

Descripción completa

Detalles Bibliográficos
Autor: Rojas Atachao, Richard Frank
Formato: tesis de maestría
Fecha de Publicación:2025
Institución:Pontificia Universidad Católica del Perú
Repositorio:PUCP-Tesis
Lenguaje:español
OAI Identifier:oai:tesis.pucp.edu.pe:20.500.12404/30935
Enlace del recurso:http://hdl.handle.net/20.500.12404/30935
Nivel de acceso:acceso abierto
Materia:Puentes de concreto--Mantenimiento y reparación
Aprendizaje profundo (Aprendizaje automático)
Redes neuronales (Computación)
Procesamiento de imágenes (Técnicas digitales)
https://purl.org/pe-repo/ocde/ford#2.01.01
id PUCP_576b044b6d9de5528a35fe06a4de2f69
oai_identifier_str oai:tesis.pucp.edu.pe:20.500.12404/30935
network_acronym_str PUCP
network_name_str PUCP-Tesis
repository_id_str .
dc.title.none.fl_str_mv Aplicación de un modelo de Deep Learning con redes neuronales convolucionales para evaluar la integridad estructural y predecir fallas en puentes de concreto mediante exploración visual de imágenes
title Aplicación de un modelo de Deep Learning con redes neuronales convolucionales para evaluar la integridad estructural y predecir fallas en puentes de concreto mediante exploración visual de imágenes
spellingShingle Aplicación de un modelo de Deep Learning con redes neuronales convolucionales para evaluar la integridad estructural y predecir fallas en puentes de concreto mediante exploración visual de imágenes
Rojas Atachao, Richard Frank
Puentes de concreto--Mantenimiento y reparación
Aprendizaje profundo (Aprendizaje automático)
Redes neuronales (Computación)
Procesamiento de imágenes (Técnicas digitales)
https://purl.org/pe-repo/ocde/ford#2.01.01
title_short Aplicación de un modelo de Deep Learning con redes neuronales convolucionales para evaluar la integridad estructural y predecir fallas en puentes de concreto mediante exploración visual de imágenes
title_full Aplicación de un modelo de Deep Learning con redes neuronales convolucionales para evaluar la integridad estructural y predecir fallas en puentes de concreto mediante exploración visual de imágenes
title_fullStr Aplicación de un modelo de Deep Learning con redes neuronales convolucionales para evaluar la integridad estructural y predecir fallas en puentes de concreto mediante exploración visual de imágenes
title_full_unstemmed Aplicación de un modelo de Deep Learning con redes neuronales convolucionales para evaluar la integridad estructural y predecir fallas en puentes de concreto mediante exploración visual de imágenes
title_sort Aplicación de un modelo de Deep Learning con redes neuronales convolucionales para evaluar la integridad estructural y predecir fallas en puentes de concreto mediante exploración visual de imágenes
author Rojas Atachao, Richard Frank
author_facet Rojas Atachao, Richard Frank
author_role author
dc.contributor.advisor.fl_str_mv Acero Martínez, José Alberto
dc.contributor.author.fl_str_mv Rojas Atachao, Richard Frank
dc.subject.none.fl_str_mv Puentes de concreto--Mantenimiento y reparación
Aprendizaje profundo (Aprendizaje automático)
Redes neuronales (Computación)
Procesamiento de imágenes (Técnicas digitales)
topic Puentes de concreto--Mantenimiento y reparación
Aprendizaje profundo (Aprendizaje automático)
Redes neuronales (Computación)
Procesamiento de imágenes (Técnicas digitales)
https://purl.org/pe-repo/ocde/ford#2.01.01
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.01.01
description En el área de la ingeniería civil, es muy importante revisar la salud estructural de los puentes de concreto. Esta revisión tiene el objetivo de mantener la seguridad y mejorar el mantenimiento de estas estructuras. Por otro lado, en el área de la Inteligencia Artificial, las Redes Neuronales Convolucionales se han usado con éxito para analizar y clasificar imágenes de distintos tipos y orígenes. Esta tesis tiene como objetivo crear un sistema que use un modelo de Aprendizaje Profundo usando Redes Neuronales Convolucionales con la arquitectura VGG 16. Su función principal es evaluar la estructura de los puentes y clasificar los daños a través de imágenes tomadas de ellos, enfocándose en problemas como grietas, eflorescencia y descamación. El modelo VGG 16 fue probado para identificar estos daños estructurales demostrando resultados satisfactorios. Los resultados indican que el sistema tiene una alta precisión, especialmente en la clasificación de grietas, con una precisión máxima de 0.81. Esto demuestra que el sistema es eficaz para detectar y clasificar defectos, convirtiéndose en una herramienta útil para la inspección y mantenimiento de puentes.
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-06-03T19:44:04Z
dc.date.created.none.fl_str_mv 2025
dc.date.issued.fl_str_mv 2025-06-03
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12404/30935
url http://hdl.handle.net/20.500.12404/30935
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by/2.5/pe/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/2.5/pe/
dc.publisher.es_ES.fl_str_mv Pontificia Universidad Católica del Perú
dc.publisher.country.none.fl_str_mv PE
dc.source.none.fl_str_mv reponame:PUCP-Tesis
instname:Pontificia Universidad Católica del Perú
instacron:PUCP
instname_str Pontificia Universidad Católica del Perú
instacron_str PUCP
institution PUCP
reponame_str PUCP-Tesis
collection PUCP-Tesis
bitstream.url.fl_str_mv https://tesis.pucp.edu.pe/bitstreams/5234bd56-257f-4031-a5bc-b7c4515e2885/download
https://tesis.pucp.edu.pe/bitstreams/c80b0445-0c5d-4131-a0b8-76e7dc77c2af/download
https://tesis.pucp.edu.pe/bitstreams/dbe3e1fe-61b4-498a-844f-553919446652/download
https://tesis.pucp.edu.pe/bitstreams/d07c03ad-6ff6-4548-a6c1-586ee14c4377/download
https://tesis.pucp.edu.pe/bitstreams/be1cec97-a206-44fa-93a1-a5b11516fa21/download
https://tesis.pucp.edu.pe/bitstreams/55324b44-1746-4d2e-9b4d-4f1773d31d3b/download
https://tesis.pucp.edu.pe/bitstreams/286d6c02-fb61-4c9b-94d0-d8ac09157319/download
https://tesis.pucp.edu.pe/bitstreams/37fe1a41-4b5c-4ab2-9a8a-2bfa3fdb21e2/download
bitstream.checksum.fl_str_mv ecb530fc4ff55e91abc1667ad2758826
4a76d2849bcd14d77ee48ee3e2c73976
bb9bdc0b3349e4284e09149f943790b4
48725b7f9a634bc551f52084693052d1
66c444495a72ea4c13a06cf4b18b3cab
537c3ff457466789995c225b0812af1a
21ba25cbf40c282191c2b7a9b58ba85b
5bfe57f628638dc210bc36bc957b3e40
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de Tesis PUCP
repository.mail.fl_str_mv raul.sifuentes@pucp.pe
_version_ 1839176527766355968
spelling Acero Martínez, José AlbertoRojas Atachao, Richard Frank2025-06-03T19:44:04Z20252025-06-03http://hdl.handle.net/20.500.12404/30935En el área de la ingeniería civil, es muy importante revisar la salud estructural de los puentes de concreto. Esta revisión tiene el objetivo de mantener la seguridad y mejorar el mantenimiento de estas estructuras. Por otro lado, en el área de la Inteligencia Artificial, las Redes Neuronales Convolucionales se han usado con éxito para analizar y clasificar imágenes de distintos tipos y orígenes. Esta tesis tiene como objetivo crear un sistema que use un modelo de Aprendizaje Profundo usando Redes Neuronales Convolucionales con la arquitectura VGG 16. Su función principal es evaluar la estructura de los puentes y clasificar los daños a través de imágenes tomadas de ellos, enfocándose en problemas como grietas, eflorescencia y descamación. El modelo VGG 16 fue probado para identificar estos daños estructurales demostrando resultados satisfactorios. Los resultados indican que el sistema tiene una alta precisión, especialmente en la clasificación de grietas, con una precisión máxima de 0.81. Esto demuestra que el sistema es eficaz para detectar y clasificar defectos, convirtiéndose en una herramienta útil para la inspección y mantenimiento de puentes.In the area of civil engineering, it is very important to review the structural health of concrete bridges. This review aims to maintain the safety and improve the maintenance of these structures. On the other hand, in the area of Artificial Intelligence, Convolutional Neural Networks have been successfully used to analyze and classify images of different types and origins. This thesis aims to create a system that uses a Deep Learning model using Convolutional Neural Networks with the VGG 16 architecture. Its main function is to evaluate the structure of bridges and classify damages through images taken from them, focusing on problems such as cracks, efflorescence and peeling. The VGG 16 model was tested to identify these structural damages demonstrating satisfactory results. The results indicate that the system has a high accuracy, especially in the classification of cracks, with a maximum accuracy of 0.81. This shows that the system is effective in detecting and classifying defects, becoming a useful tool for the inspection and maintenance of bridges.spaPontificia Universidad Católica del PerúPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/2.5/pe/Puentes de concreto--Mantenimiento y reparaciónAprendizaje profundo (Aprendizaje automático)Redes neuronales (Computación)Procesamiento de imágenes (Técnicas digitales)https://purl.org/pe-repo/ocde/ford#2.01.01Aplicación de un modelo de Deep Learning con redes neuronales convolucionales para evaluar la integridad estructural y predecir fallas en puentes de concreto mediante exploración visual de imágenesinfo:eu-repo/semantics/masterThesisreponame:PUCP-Tesisinstname:Pontificia Universidad Católica del Perúinstacron:PUCPSUNEDUMaestro en Ingeniería Civil con mención en Diagnóstico y Reparación de Construcciones Patrimoniales y ExistentesMaestríaPontificia Universidad Católica del Perú. Escuela de PosgradoIngeniería Civil con mención en Diagnóstico y Reparación de Construcciones Patrimoniales y Existentes29662895https://orcid.org/0000-0003-4154-951046812922732277Huapaya Huapaya, César AntonioAcero Martínez, José AlbertoMorán Yáñez, Luis Miguelhttps://purl.org/pe-repo/renati/level#maestrohttps://purl.org/pe-repo/renati/type#tesisORIGINALROJAS_ATACHAO_RICHARD_FRANK.pdfROJAS_ATACHAO_RICHARD_FRANK.pdfTexto completoapplication/pdf1004929https://tesis.pucp.edu.pe/bitstreams/5234bd56-257f-4031-a5bc-b7c4515e2885/downloadecb530fc4ff55e91abc1667ad2758826MD51trueAnonymousREADROJAS_ATACHAO_RICHARD_FRANK_T.pdfROJAS_ATACHAO_RICHARD_FRANK_T.pdfReporte de originalidadapplication/pdf13895173https://tesis.pucp.edu.pe/bitstreams/c80b0445-0c5d-4131-a0b8-76e7dc77c2af/download4a76d2849bcd14d77ee48ee3e2c73976MD52falseAdministratorREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://tesis.pucp.edu.pe/bitstreams/dbe3e1fe-61b4-498a-844f-553919446652/downloadbb9bdc0b3349e4284e09149f943790b4MD53falseAnonymousREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81025https://tesis.pucp.edu.pe/bitstreams/d07c03ad-6ff6-4548-a6c1-586ee14c4377/download48725b7f9a634bc551f52084693052d1MD54falseAnonymousREADTEXTROJAS_ATACHAO_RICHARD_FRANK.pdf.txtROJAS_ATACHAO_RICHARD_FRANK.pdf.txtExtracted texttext/plain128432https://tesis.pucp.edu.pe/bitstreams/be1cec97-a206-44fa-93a1-a5b11516fa21/download66c444495a72ea4c13a06cf4b18b3cabMD55falseAnonymousREADROJAS_ATACHAO_RICHARD_FRANK_T.pdf.txtROJAS_ATACHAO_RICHARD_FRANK_T.pdf.txtExtracted texttext/plain10320https://tesis.pucp.edu.pe/bitstreams/55324b44-1746-4d2e-9b4d-4f1773d31d3b/download537c3ff457466789995c225b0812af1aMD57falseAdministratorREADTHUMBNAILROJAS_ATACHAO_RICHARD_FRANK.pdf.jpgROJAS_ATACHAO_RICHARD_FRANK.pdf.jpgGenerated Thumbnailimage/jpeg12916https://tesis.pucp.edu.pe/bitstreams/286d6c02-fb61-4c9b-94d0-d8ac09157319/download21ba25cbf40c282191c2b7a9b58ba85bMD56falseAnonymousREADROJAS_ATACHAO_RICHARD_FRANK_T.pdf.jpgROJAS_ATACHAO_RICHARD_FRANK_T.pdf.jpgGenerated Thumbnailimage/jpeg7661https://tesis.pucp.edu.pe/bitstreams/37fe1a41-4b5c-4ab2-9a8a-2bfa3fdb21e2/download5bfe57f628638dc210bc36bc957b3e40MD58falseAdministratorREAD20.500.12404/30935oai:tesis.pucp.edu.pe:20.500.12404/309352025-07-18 15:27:22.97http://creativecommons.org/licenses/by/2.5/pe/info:eu-repo/semantics/openAccessopen.accesshttps://tesis.pucp.edu.peRepositorio de Tesis PUCPraul.sifuentes@pucp.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
score 13.406609
Aplicación de un modelo de Deep Learning con redes neuronales convolucionales para evaluar la integridad estructural y predecir fallas en puentes de concreto mediante exploración visual de imágenes
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares