Determinación del nivel de daño de muros de superficie lisa mediante la detección de patrones de grietas utilizando Machine Learning

• Autores: Bravo Fuentes, Astrid Olenka, Campos Rojas, Jesús Enrique
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad San Ignacio de Loyola
• Repositorio: USIL-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.usil.edu.pe:20.500.14005/15192
• Enlace del recurso: https://hdl.handle.net/20.500.14005/15192
• Nivel de acceso: acceso abierto
• Materia: Machine Learning; Mapeo de grietas; Ingeniería Civil; https://purl.org/pe-repo/ocde/ford#2.01.01

Existe un silencio sísmico desde 1746 en la costa central de Lima, lo que indica la posibilidad de un terremoto de magnitud momento Mw 8.9. Los materiales de construcción usados en esta ciudad agravan la situación, debido a que muchas viviendas no cumplen con la Norma Sismorresistente E.030, lo que podría causar daños severos en las infraestructuras. Por lo tanto, los métodos automatizados de detección de grietas emergen como una solución para evaluar el nivel de daño de un muro de superficie lisa a través de un mapa de grietas. El alcance de la investigación propone un algoritmo de Machine Learning, usando Convolutional Neural Networks, para la detección de grietas en muros de superficie lisa. Este código se ha desarrollado con información brindada por el CISMID (proyecto VIRVI-ALB), la cual consta de fotos del proceso de ensayo de seis muros de albañilería confinada. Con esto, el algoritmo se entrenó reiteradas veces, ajustando los parámetros, para lograr una precisión adecuada. Los resultados obtenidos, junto a un código de mapeo de grietas, permiten calcular la longitud total de grietas detectadas en un muro de albañilería confinada con superficie lisa. Se generaron curvas de longitud de grieta por área o espesor vs distorsión, y se observaron los comportamientos de los tipos de muro de ladrillos reforzados por una o dos caras. Además, se correlacionó con los niveles de daño en un estudio de caso. Finalmente, se presentan las conclusiones y recomendaciones que deben considerarse para futuras investigaciones.