Browsing by Author "Torres Gastelu, Jhon Arnold"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    “Implementación de un método mediante visión artificial para la evaluación del estado de conservación superficial de pavimentos flexibles, Ayacucho 2024”
    (Universidad Nacional de San Cristóbal de Huamanga, 2025) Torres Gastelu, Jhon Arnold; Ayala Bizarro, Rocky Giban
    En el Perú, especialmente en regiones como Ayacucho, el mantenimiento de pavimentos flexibles enfrenta dificultades debido a la limitada capacidad técnica y a la falta de mantenimiento oportuno. Además, los métodos tradicionales de evaluación superficial, como el PCI, VIZIR y los del MTC, suelen ser lentos, subjetivos y poco eficientes. Esta investigación propone implementar un método de visión artificial para evaluar el estado de conservación superficial de pavimentos flexibles. Para ello, se desarrolló un modelo de inteligencia artificial capaz de identificar y clasificar fallas, y calcular la calificación de condición. El estudio es de tipo aplicado, con enfoque cuantitativo, nivel aplicativo y diseño cuasiexperimental. La población estuvo conformada por imágenes digitales de tramos representativos de las rutas PE-28A, PE-26B, PE-3S y PE-28B. La muestra incluyó 3,020 imágenes etiquetadas, mientras que la validación del sistema se realizó en un tramo de 2 kilómetros de la ruta PE-26B. El programa desarrollado, denominado PAVEMAI, detecta cinco tipos de fallas: baches, fisuras, piel de cocodrilo, descascaramiento y parches, con severidades baja y alta. Se obtuvo un mAP50 de 68.9%, y las calificaciones de condición generadas por el sistema oscilaron entre 770.02 y 861.66, frente al rango del MTC (767.00 a 955.89). El análisis estadístico evidenció una correlación moderada (Spearman: ? = 0.53) y diferencias significativas (Wilcoxon: W = 18.00, p = 0.0005). Se concluye que la visión artificial es una herramienta viable para automatizar la evaluación de pavimentos. Sin embargo, se identificaron limitaciones en la detección de ciertas fallas. Se recomienda ampliar el dataset y utilizar modelos más avanzados, con el objetivo de fortalecer la gestión vial en el Perú y generar un impacto positivo en regiones como Ayacucho.