"Desarrollo de un modelo de aprendizaje automático para evaluar daños en pavimentos flexibles mediante el procesamiento de imágenes en el tramo Socos - Licapa, 2025"

Simple item page
dc.contributor.advisorRetamozo Fernández, Saúl Walter
dc.contributor.authorAlanya Cuba, Emergio
dc.date.accessioned2026-05-27T20:57:37Z
dc.date.available2026-05-27T20:57:37Z
dc.date.issued2025
dc.description.abstractLa identificación de grietas en el tramo Socos-Licapa de la Vía Los Libertadores-Wari es fundamental para mantener la seguridad del tránsito vehicular. El uso de métodos tradicionales de inspección visual suele interrumpir el flujo normal del tráfico y presenta limitaciones en cuanto a objetividad y tiempo de ejecución. Por ello, se propone un algoritmo de detección basado en YOLOv12, diseñado para identificar grietas en carreteras mediante imágenes captadas con drones (UAV), cámaras convencionales y fotografías terrestres, empleando técnicas de visión por computadora. Este algoritmo busca alcanzar una detección precisa de grietas en distintos tamaños y escalas. Las pruebas realizadas con nuestro dataset, que contiene 1871 imágenes de escenas cercanas y lejanas captadas con cámara, evidencian la efectividad del modelo YOLOv12 utilizando Deep Learning. Se obtuvo una precisión del modelo para todas las clases de fallas con un mAP@50 de 70.4% y un mAP@[50:95] de 41.9%. Estos resultados confirman que el modelo mantiene un bajo peso computacional y ofrece un rendimiento de detección altamente eficaz, cumpliendo así con el objetivo trazado. La metodología utilizada es no experimental y transeccional, ya que los datos fueron recolectados en un solo momento, por lo que las imágenes obtenidas corresponden a un espacio y tiempo.es_PE
dc.description.uriTesises_PE
dc.formatapplication/pdf
dc.identifier.otherTESIS CIV644_Ala
dc.identifier.urihttps://hdl.handle.net/20.500.14612/8789
dc.language.isospaes_PE
dc.publisherUniversidad Nacional de San Cristóbal de Huamangaes_PE
dc.publisher.countryPE
dc.rightshttps://purl.org/coar/access_right/c_abf2en_US
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.sourceUniversidad Nacional de San Cristóbal de Huamangaes_PE
dc.sourceRepositorio Institucional - UNSCHes_PE
dc.subjectModeloes_PE
dc.subjectAprendizaje automáticoes_PE
dc.subjectDañoses_PE
dc.subjectPavimentos flexibleses_PE
dc.subjectProcesamiento de imágeneses_PE
dc.subjectCarreterases_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.01.01
dc.title"Desarrollo de un modelo de aprendizaje automático para evaluar daños en pavimentos flexibles mediante el procesamiento de imágenes en el tramo Socos - Licapa, 2025"es_PE
dc.typehttp://purl.org/coar/resource_type/c_7a1fen_US
renati.advisor.dni46420203
renati.advisor.orcidhttps://orcid.org/0000-0002-3637-8780
renati.author.dni46301569
renati.discipline73200082
renati.jurorEstrada Cárdenas, José Ernesto
renati.jurorCanchari Gutiérrez, Edmundo
renati.jurorRetamozo Fernández, Saúl Walter
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineIngeniería Civil
thesis.degree.grantorUniversidad Nacional de San Cristóbal de Huamanga. Facultad de Ingeniería de Minas, Geología y Civil
thesis.degree.levelTítulo Profesional
thesis.degree.nameIngeniero Civil
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
TESIS CIV644_Ala.pdf
Size:
13.03 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
AUT TESIS CIV644_Ala.pdf
Size:
1.17 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
INFO TESIS CIV644_Ala.pdf
Size:
29.26 MB
Format:
Adobe Portable Document Format
Download
Collections
ESCUELA PROFESIONAL DE INGENIERÍA CIVIL