Red neuronal convolucional para la detección de fisuras en estructuras de hormigón

Simple item page
dc.contributor.advisorColpari Pozzo, Mauricio Henry
dc.contributor.authorCedeño Farías, Melissa María
dc.date.accessioned2026-07-22T23:14:29Z
dc.date.available2026-07-22T23:14:29Z
dc.date.issued2025
dc.description.abstractLa evaluación automatizada de fisuras en estructuras de hormigón representa una necesidad creciente en la ingeniería civil. La identificación temprana de estas patologías es fundamental para garantizar la seguridad y durabilidad de las estructuras. Los métodos tradicionales, basados en inspecciones visuales, suelen ser costosos, subjetivos y poco eficientes. Esta investigación propone un enfoque basado en aprendizaje profundo para abordar estas limitaciones, evaluando el desempeño de dos arquitecturas de redes neuronales convolucionales (CNN) en la detección de fisuras. Los modelos VGG16 y ResNet50 fueron entrenados y validados utilizando una base de datos original de 8,000 imágenes. Las métricas de rendimiento mostraron que ResNet50 alcanzó 90.80% de exactitud, 86.93% de precisión y 90.62% de sensibilidad, mientras que VGG16 obtuvo 88.95% de exactitud, 96.75% de precisión y 84.42% de sensibilidad. Estos resultados destacan el potencial de las CNN como herramientas para fortalecer el monitoreo estructural, promoviendo sistemas de inspección más ágiles, objetivos y adaptables.
dc.id.advisor0965673726
dc.id.author1315588127
dc.identifier.other00347
dc.identifier.urihttps://repositorio.puce.edu.ec/handle/123456789/49379
dc.language.isoes
dc.publisherPUCE - Manabí
dc.subjectRed neuronal convolucional
dc.subjectAprendizaje profundo
dc.subjectVisión por computadora
dc.subjectPatologías del hormigón
dc.subjectInspección estructural
dc.titleRed neuronal convolucional para la detección de fisuras en estructuras de hormigón
dc.typeThesis
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Trabajo de Titulación - Grado / Cedeño Farías Melissa María .pdf
Size:
2.01 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Carrera de Ingeniería Civil