Implementación de un método automatizado para detectar fallas y severidad en pavimentos flexibles mediante procesamiento de imágenes

Simple item page
dc.contributor.advisorParillo Escarsena, Edwin
dc.contributor.authorManchay Huancas, Natalia Martina
dc.contributor.authorCcacyavilca Umiyauri, July Ariday
dc.date.accessioned2026-04-28T19:29:18Z
dc.date.available2026-04-28T19:29:18Z
dc.date.issued2025-11-21
dc.description.abstractEn 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.
dc.description.escuelaEscuela Profesional de Ingeniería Civil
dc.description.lineadeinvestigacionVías y geotecnia
dc.description.sedeJuliaca
dc.formatapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.12840/10070
dc.language.isospa
dc.publisherUniversidad Peruana Unión
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectClasificación de severidad
dc.subjectDetección automatizada
dc.subjectFallas en pavimentos
dc.subjectPavimentos flexibles
dc.subjectYOLOv11
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.01.00
dc.titleImplementación de un método automatizado para detectar fallas y severidad en pavimentos flexibles mediante procesamiento de imágenes
dc.typeinfo:eu-repo/semantics/bachelorThesis
renati.advisor.dni45648306
renati.advisor.orcidhttps://orcid.org/0000-0003-1175-0512
renati.author.dni72232633
renati.author.dni76170136
renati.discipline732016
renati.jurorChahuares Paucar, Leonel
renati.jurorPari Cusi, Herson Duberly
renati.jurorMamani Chambi, Ecler
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttp://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineIngeniería Civil
thesis.degree.grantorUniversidad Peruana Unión. Facultad de Ingeniería y Arquitectura
thesis.degree.nameIngeniero Civil

Files

Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Natalia_Tesis_Licenciatura_2025.pdf
Size:
1.49 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Autorización_de_Publicación.pdf
Size:
96.47 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Reporte_de_Similitud.pdf
Size:
790.15 KB
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 upon to submission
Description:
Download

Collections

Ingeniería Civil