Soto Olguin, Luz RashellRAMÍREZ VILLANUEVA, FREDY GABRIEL2024-12-142024-12-142024-12https://publicaciones.fctunca.edu.py/handle/123456789/128Este estudio presenta el desarrollo de un algoritmo basado en redes neuronales convolucionales para la segmentación de grietas en pavimentos asfálticos, utilizando una base de datos propia y evaluando la precisión de los resultados del mismo después de implementar las mejoras identificadas durante la evaluación del desempeño del algoritmo para el incremento de la precisión y la fiabilidad en la detección de grietas en el pavimento. Se capturaron 837 imágenes en la ciudad de Coronel Oviedo, Paraguay, de las cuales 505 contenían grietas. Las imágenes fueron preprocesadas y divididas en secciones de 512x512 píxeles, generándose máscaras manuales para la detección de grietas. La arquitectura U-Net fue seleccionada para el entrenamiento de la red neuronal, con imágenes de 256x256 píxeles, utilizando 500 épocas y un tamaño de lote de 8. El modelo fue evaluado mediante métricas de segmentación, obteniendo un F1 Score de 0.9956 y un valor de intersección sobre la unión (IoU) de 0.9913, lo que indica una alta precisión en la detección de grietas. Además, se implementó un procedimiento para cuantificar el ancho de las grietas, clasificándolas en dos categorías: menores o iguales a 3 mm que no presentan mayores riesgos para el pavimento, y mayores a 3 mm los cuales deben ser tratados mediante sellantes indicados por el Manual de carreteras del Paraguay. A pesar de la presencia de algunos falsos positivos y negativos, el modelo mostró un rendimiento superior en comparación con estudios previos.esIngeniería estructural mecánica y materialesVulnerabilidad y riesgos naturalesRepresentaciones gráficasTecnologías de la Información y la Comunicación (TIC)Ciencia de DatosCiencia y Tecnología para el Desarrollo SostenibleODS 9 - Industria Innovación e InfraestructuraODS 11 - Ciudades y comunidades sosteniblesODS 12 - Producción y Consumo ResponsablesODS 13 - Acción por el climaThesis