Análisis granulométrico de agregado para el concreto a través de un algoritmo basado en redes neuronales (deep learning)

Lopez Hinostroza, Hamhit Andrea; Gutierrez Layme, Delia

Análisis granulométrico de agregado para el concreto a través de un algoritmo basado en redes neuronales (deep learning)

dc.contributor.advisor	Sosa Aquise, Ruben Fitzgerald
dc.contributor.author	Lopez Hinostroza, Hamhit Andrea
dc.contributor.author	Gutierrez Layme, Delia
dc.date.accessioned	2023-10-16T16:43:48Z
dc.date.available	2023-10-16T16:43:48Z
dc.date.embargoEnd	2025-08-10
dc.date.issued	2023-08-10
dc.description.abstract	En la actualidad, el diseño de mezclas tradicional no logra optimizar adecuadamente los tiempos involucrados. Por lo tanto, se propone utilizar el método de las redes neuronales para mejorar la eficiencia en términos de tiempo y acceso a lugares difíciles, así como en el transporte al laboratorio. El objetivo principal es aplicar técnicas de aprendizaje profundo (deep learning) para evaluar la calidad de un agregado de cantera y determinar si cumple con las especificaciones requeridas para su uso en concreto, de acuerdo con las normativas vigentes. La metodología consistió en recopilar 20 imágenes por muestra, la obtención del análisis de granulometría, se consideró 2 canteras del departamento de Junín Satipo (Sonomoro y Llaylla) y 1 cantera del departamento de Cusco (Vicho), con un total de 13 muestras, en el presente artículo realizado se ubica dentro tipo de investigación experimental con un enfoque cuantitativo. Los resultados se obtuvieron a través de la ejecución del algoritmo Yolo, con la detección de imágenes, obteniendo el 93.20%, según la norma técnica peruana (NTP 400.12, 2001), con una desviación típica de 0,96 %. El algoritmo fue entrenado según los tamices dados en la norma técnica peruana (NTP 350.001, 1970). En conclusión, el uso del algoritmo en el análisis de los datos ha permitido reducir significativamente el tiempo requerido para llevar a cabo la evaluación física y ha mejorado el estudio del agregado de manera efectiva.	en_ES
dc.description.escuela	Escuela Profesional de Ingeniería Civil	en_ES
dc.description.lineadeinvestigacion	Materiales y procesos constructivos	en_ES
dc.description.sede	JULIACA	en_ES
dc.format	application/pdf	en_ES
dc.identifier.uri	http://repositorio.upeu.edu.pe/handle/20.500.12840/6917
dc.language.iso	spa	en_ES
dc.publisher	Universidad Peruana Unión	en_ES
dc.publisher.country	PE	en_ES
dc.rights	info:eu-repo/semantics/embargoedAccess	en_ES
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/es/	*
dc.subject	Agregado	en_ES
dc.subject	Algoritmo	en_ES
dc.subject	Granulometría	en_ES
dc.subject	Red neuronal	en_ES
dc.subject.ocde	http://purl.org/pe-repo/ocde/ford#2.01.00	en_ES
dc.title	Análisis granulométrico de agregado para el concreto a través de un algoritmo basado en redes neuronales (deep learning)	en_ES
dc.type	info:eu-repo/semantics/bachelorThesis	en_ES
renati.advisor.dni	01342989
renati.advisor.orcid	https://orcid.org/0000-0003-1058-8285	en_ES
renati.author.dni	71788469
renati.author.dni	70116368
renati.discipline	732016	en_ES
renati.juror	Pari Cusi, Herson Duberly
renati.juror	Parillo Escarsena, Edwin
renati.juror	Pacori Pacori, Jose
renati.level	http://purl.org/pe-repo/renati/nivel#tituloProfesional	en_ES
renati.type	http://purl.org/pe-repo/renati/type#tesis	en_ES
thesis.degree.discipline	Ingeniería Civil	en_ES
thesis.degree.grantor	Universidad Peruana Unión. Facultad de Ingeniería y Arquitectura	en_ES
thesis.degree.name	Ingeniero Civil	en_ES