Implementación de un método automatizado para detectar fallas y severidad en pavimentos flexibles mediante procesamiento de imágenes
En el Perú, el método manual de inspección de pavimentos flexibles presenta limitaciones importantes, especialmente en cuanto a tiempo y detección. Este proceso requiere identificar, medir y registrar manualmente cada falla, lo que alarga la inspección y retrasa las intervenciones. Además, la subjet...
Guardado en:
| Autores principales: | , |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de pregrado |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2025
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1881510190765834240 |
|---|---|
| author | Manchay Huancas, Natalia Martina Ccacyavilca Umiyauri, July Ariday |
| author2 | Parillo Escarsena, Edwin |
| author_browse | Ccacyavilca Umiyauri, July Ariday Manchay Huancas, Natalia Martina Parillo Escarsena, Edwin |
| author_facet | Parillo Escarsena, Edwin Manchay Huancas, Natalia Martina Ccacyavilca Umiyauri, July Ariday |
| author_sort | Manchay Huancas, Natalia Martina |
| collection | Repositorio institucional |
| description | En el Perú, el método manual de inspección de pavimentos flexibles presenta limitaciones importantes, especialmente en cuanto a tiempo y detección. Este proceso requiere identificar, medir y registrar manualmente cada falla, lo que alarga la inspección y retrasa las intervenciones. Además, la subjetividad del inspector puede afectar la clasificación de la severidad, generando diagnósticos inconsistentes y dificultando una adecuada planificación del mantenimiento rutinario. Frente a esta problemática, se desarrolló un método automatizado de detección basado en un lenguaje de programación Python en el modelo de YOLOv11. Para entrenarlo, se recolectaron 7,735 imágenes en calles de la provincia de San Román, etiquetadas manualmente según los criterios del Manual del MTC, según su tipo de falla y severidad. El modelo YOLOv11l alcanzó una Precision de 0.90, un F1-Confidence de 0.74 y un Recall de 0.90. En una prueba realizada en un tramo urbano de medio kilómetro (Jr. 7 de junio), logró un 95.6% en la clasificación del tipo de falla con su severidad, con un tiempo en procesamiento por imagen en un rango de 5 a 10 segundos. La concordancia entre el método manual y el método automatizado fue evaluada mediante el coeficiente Kappa de Cohen ponderado valores en grieta longitudinal κw = 0.85, grieta transversal κw= 0.79 y en bache κw =0.95, indicando buena concordancia. Este proyecto representa un avance hacia la integración de inteligencia artificial en la gestión vial en conservación rutinaria, al mejorar la detección de fallas y permitir decisiones más oportunas en las labores de conservación rutinaria. |
| escuela_str_mv | Escuela Profesional de Ingeniería Civil |
| format | info:eu-repo/semantics/bachelorThesis |
| id | oai:repositorio.upeu.edu.pe:20.500.12840/10070 |
| institution | UPeU |
| language | Spanish |
| linea_str_mv | Vías y geotecnia |
| ocde_area_str_mv | Ingeniería y tecnología |
| ocde_disciplina_str_mv | Ingeniería civil |
| ocde_str_mv | 2.01.00 |
| programa_nombre_str_mv | Ingeniería Civil |
| publishDate | 2025 |
| publishDateRange | 2025 |
| publishDateSort | 2025 |
| publisher | Universidad Peruana Unión |
| publisherStr | Universidad Peruana Unión |
| record_format | dspace |
| sede_str_mv | Juliaca |
| spelling | Implementación de un método automatizado para detectar fallas y severidad en pavimentos flexibles mediante procesamiento de imágenes Manchay Huancas, Natalia Martina Ccacyavilca Umiyauri, July Ariday Parillo Escarsena, Edwin Clasificación de severidad Detección automatizada Fallas en pavimentos Pavimentos flexibles YOLOv11 En el Perú, el método manual de inspección de pavimentos flexibles presenta limitaciones importantes, especialmente en cuanto a tiempo y detección. Este proceso requiere identificar, medir y registrar manualmente cada falla, lo que alarga la inspección y retrasa las intervenciones. Además, la subjetividad del inspector puede afectar la clasificación de la severidad, generando diagnósticos inconsistentes y dificultando una adecuada planificación del mantenimiento rutinario. Frente a esta problemática, se desarrolló un método automatizado de detección basado en un lenguaje de programación Python en el modelo de YOLOv11. Para entrenarlo, se recolectaron 7,735 imágenes en calles de la provincia de San Román, etiquetadas manualmente según los criterios del Manual del MTC, según su tipo de falla y severidad. El modelo YOLOv11l alcanzó una Precision de 0.90, un F1-Confidence de 0.74 y un Recall de 0.90. En una prueba realizada en un tramo urbano de medio kilómetro (Jr. 7 de junio), logró un 95.6% en la clasificación del tipo de falla con su severidad, con un tiempo en procesamiento por imagen en un rango de 5 a 10 segundos. La concordancia entre el método manual y el método automatizado fue evaluada mediante el coeficiente Kappa de Cohen ponderado valores en grieta longitudinal κw = 0.85, grieta transversal κw= 0.79 y en bache κw =0.95, indicando buena concordancia. Este proyecto representa un avance hacia la integración de inteligencia artificial en la gestión vial en conservación rutinaria, al mejorar la detección de fallas y permitir decisiones más oportunas en las labores de conservación rutinaria. 2025-11-21 2026-04-28T19:29:18Z 2026-04-28T19:29:18Z info:eu-repo/semantics/bachelorThesis https://hdl.handle.net/20.500.12840/10070 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ application/pdf Universidad Peruana Unión PE oai:repositorio.upeu.edu.pe:20.500.12840/10070 2026-11-10T17:45:09Z |
| spellingShingle | Clasificación de severidad Detección automatizada Fallas en pavimentos Pavimentos flexibles YOLOv11 Manchay Huancas, Natalia Martina Ccacyavilca Umiyauri, July Ariday Implementación de un método automatizado para detectar fallas y severidad en pavimentos flexibles mediante procesamiento de imágenes |
| title | Implementación de un método automatizado para detectar fallas y severidad en pavimentos flexibles mediante procesamiento de imágenes |
| title_full | Implementación de un método automatizado para detectar fallas y severidad en pavimentos flexibles mediante procesamiento de imágenes |
| title_fullStr | Implementación de un método automatizado para detectar fallas y severidad en pavimentos flexibles mediante procesamiento de imágenes |
| title_full_unstemmed | Implementación de un método automatizado para detectar fallas y severidad en pavimentos flexibles mediante procesamiento de imágenes |
| title_short | Implementación de un método automatizado para detectar fallas y severidad en pavimentos flexibles mediante procesamiento de imágenes |
| title_sort | implementacion de un metodo automatizado para detectar fallas y severidad en pavimentos flexibles mediante procesamiento de imagenes |
| topic | Clasificación de severidad Detección automatizada Fallas en pavimentos Pavimentos flexibles YOLOv11 |
| topic_facet | Clasificación de severidad Detección automatizada Fallas en pavimentos Pavimentos flexibles YOLOv11 |
| url | https://hdl.handle.net/20.500.12840/10070 |
| work_keys_str_mv | AT manchayhuancasnataliamartina implementaciondeunmetodoautomatizadoparadetectarfallasyseveridadenpavimentosflexiblesmedianteprocesamientodeimagenes AT ccacyavilcaumiyaurijulyariday implementaciondeunmetodoautomatizadoparadetectarfallasyseveridadenpavimentosflexiblesmedianteprocesamientodeimagenes |