Estimación de daños en el puente Tamborapa aplicando redes neuronales convolucionales, Jaén - Cajamarca - 2025”
No hay miniatura disponible
Fecha
2026-04-28
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Jaén
Resumen
El objetivo de la investigación fue estimar los daños presentes en el Puente Tamborapa mediante la aplicación de redes neuronales convolucionales (CNN). Para ello, se realizó la recolección de imágenes de la superestructura y subestructura utilizando un dron DJI Mini 3 Pro, registrándose fallas como corrosión, grietas, eflorescencia, exposición de barras y desplazamientos. Las imágenes fueron organizadas, clasificadas y etiquetadas para conformar la base de datos empleada en el entrenamiento de cuatro modelos CNN: VGG16, MobileNet, DenseNet121 y YOLO. Los resultados mostraron que las patologías más frecuentes fueron la corrosión y las grietas superficiales, identificadas principalmente en barandas metálicas, tablero y estribos. En cuanto al desempeño de los modelos, YOLO obtuvo los mejores indicadores con una precisión superior al 96%, seguido de MobileNet con 95%, DenseNet121 con 92% y VGG16 con 90%. La validación evidenció que el modelo YOLO es el más eficiente para la detección multiclase de fallas en puentes. Se concluye que el uso de redes neuronales convolucionales constituye una herramienta eficaz y precisa para la inspección automatizada de estructuras, permitiendo reducir tiempos de evaluación, mejorar la detección temprana de daños y optimizar la gestión del mantenimiento del Puente Tamborapa.
Descripción
Palabras clave
Detección automática, CNN, Puentes, Inspección con dron, YOLO, VGG16, MobileNet, DenseNet121.
Citación
Alvarado, O. y Campos, E. (2026). “Estimación de daños en el puente Tamborapa aplicando redes neuronales convolucionales, Jaén - Cajamarca - 2025” [Tesis de pregrado, Universidad Nacional de Jaén, Carrera Profesional de Ingeniería civil]. Repositorio institucional UNJ.