<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">
Título profesional 2025

Aplicación de Técnicas Deep Learning para la Detección de Fallas Estructurales en Edificaciones del distrito de San Miguel - Puno

Resumen

Esta investigación aborda la necesidad de detectar fallas estructurales en edificaciones del distrito de San Miguel, Puno, donde factores como la variabilidad térmica, el asentamiento del terreno y sobrecargas han generado un deterioro progresivo en las construcciones. Frente a las limitaciones de las inspecciones visuales tradicionales, esta investigación tiene como objetivo desarrollar un modelo basado en redes neuronales convolucionales (CNN) para la detección automatizada de fallas estructurales. Se empleó un enfoque cuantitativo y experimental, utilizando 6.700 imágenes reales de edificaciones, las técnicas de preprocesamiento como normalización, aumento de datos y redimensionamiento se usaron para entrenar el modelo mediante aprendizaje supervisado, aplicando técnicas de regularización como Dropout. Los resultados demostraron una mejora del rendimiento: con 500 imágenes, la precisión fue del 23,33%; con 3.500 imágenes 46,67%; y con 6.700 imágenes, se logró una precisión del 76,67%. El modelo fue más efectivo en la detección de fallas por asentamiento (63,33%), seguido de fallas por temperatura (50,00%) y sobrecarga (43,33%). Se concluye que el modelo propuesto representa una herramienta eficaz para mejorar los procesos de monitoreo estructural, reduciendo significativamente los tiempos de inspección. Su aplicación práctica puede fortalecer la gestión preventiva, facilitando intervenciones oportunas y contribuyendo a la seguridad y sostenibilidad de edificaciones.

Descripción

Citación

Aprobación

Revisión

Complementado por

Referenciado por

Grado o título

Ingeniero Civil

Programa

Ingeniería Civil

Título de la revista

ISSN de la revista

Título del volumen

Editor

Universidad Peruana Unión

DOI

Licencia Creative Commons

Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Excepto donde se indique lo contrario, la licencia de este ítem se describe como Creative Commons Atribución-NoComercial-CompartirIgual 4.0

Archivos

Cargando...
Miniatura
Nombre

Wilder_Tesis_Licenciatura_2025.pdf

Tamaño

1,04 MB

Formato

Adobe PDF

Cargando...
Miniatura
Nombre

Autorización_de_Publicación.pdf

Tamaño

226,12 KB

Formato

Adobe PDF

Cargando...
Miniatura
Nombre

Reporte_de_Similitud.pdf

Tamaño

514,72 KB

Formato

Adobe PDF