Estimación de daños en el puente Tamborapa aplicando redes neuronales convolucionales, Jaén - Cajamarca - 2025”

Alvarado Huamán, Osmer; Campos Guerrero, Emerson Darley

Estimación de daños en el puente Tamborapa aplicando redes neuronales convolucionales, Jaén - Cajamarca - 2025”

dc.contributor.advisor	Piedra Tineo, José Luis
dc.contributor.advisor	Milla Pino, Manuel Emilio
dc.contributor.author	Alvarado Huamán, Osmer
dc.contributor.author	Campos Guerrero, Emerson Darley
dc.date.accessioned	2026-04-28T17:19:42Z
dc.date.available	2026-04-28T17:19:42Z
dc.date.issued	2026-04-28
dc.description.abstract	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.
dc.format	application/pdf
dc.identifier.citation	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.
dc.identifier.uri	http://hdl.handle.net/20.500.14689/1151
dc.language.iso	spa
dc.publisher	Universidad Nacional de Jaén
dc.publisher.country	PE
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/2.5/pe/
dc.source	Universidad Nacional de Jaén\|\|Repositorio Institucional - UNJ
dc.subject	Detección automática
dc.subject	CNN
dc.subject	Puentes
dc.subject	Inspección con dron
dc.subject	YOLO
dc.subject	VGG16
dc.subject	MobileNet
dc.subject	DenseNet121.
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#2.00.00
dc.title	Estimación de daños en el puente Tamborapa aplicando redes neuronales convolucionales, Jaén - Cajamarca - 2025”
dc.type	info:eu-repo/semantics/bachelorThesis
dc.type.version	info:eu-repo/semantics/publishedVersion
renati.advisor.dni	45376153
renati.advisor.dni	49096995
renati.advisor.orcid	https://orcid.org/0000-0002-2727-9692
renati.advisor.orcid	https://orcid.org/0000-0003-3931-9804
renati.author.dni	75890186
renati.author.dni	75925969
renati.discipline	732016
renati.juror	Martínez Serrano, Marco Antonio
renati.juror	Gonzales Santisteban, Marcos Antonio
renati.juror	Cayatopa Calderón,Billy Alexis
renati.level	https://purl.org/pe-repo/renati/nivel#tituloProfesional
renati.type	https://purl.org/pe-repo/renati/type#tesis
thesis.degree.discipline	Ingeniería Civil
thesis.degree.grantor	Universidad Nacional de Jaén, Facultad de Ingeniería Civil
thesis.degree.name	Ingeniero Civil