Diseño de programa automatizado de detección de fallas superficiales mediante la sistematización de métodos de inspección visual con dron, en pavimentos flexibles Puno, 2024

Abstract

La infraestructura vial es fundamental para el desarrollo económico y social. No obstante, muchas vías se encuentran deterioradas por la falta de mantenimiento. Tal es el caso de la carretera Juliaca – Lampa, cuya condición observada en septiembre de 2024 impulsó esta investigación orientada a proponer una solución tecnológica innovadora. Esta investigación tuvo como objetivo diseñar un programa automatizado de detección de fallas superficiales mediante la sistematización de métodos de inspección visual con dron, en pavimentos flexibles Puno, 2024. Para tal efecto, el diseño metodológico adopto un enfoque cuantitativo, con un tipo de investigación aplicada, nivel predictivo y diseño no experimental, la población de estudio comprendió los pavimentos flexibles del tramo entre los km 17 y 22 de la carretera Juliaca-Lampa, seleccionándose una muestra no probabilística de 5 km. El software desarrollado demostró capacidad para identificar, segmentar y evaluar automáticamente las fallas mediante la implementación de métodos MTC, PCI y VIZIR. Los resultados obtenidos revelaron que: en el método MTC se registraron valores promedio de 766.34 (campo) y 776.47 (software), ambos con condición regular que requiere mantenimiento periódico. En el PCI se obtuvieron 43.15 (campo) y 46.37 (software), indicando un estado malo que demanda mantenimiento correctivo de mayor intervención. En VIZIR se alcanzó un valor promedio de 4 en ambos casos, correspondiente a una categoría marginal que sugiere rehabilitación parcial. El análisis estadístico con un nivel de confianza de 95% y significancia 5% se evidenció comparaciones y correlaciones positivas moderadas y significativas entre los resultados del campo y del software, confirmando su precisión. Se concluye que el programa desarrollado aporta mayor objetividad al diagnóstico vial, respaldado por correlaciones estadísticamente significativas (p = 0.02, 0.0001 y 0.001), lo que valida su precisión y consistencia. Así, se posiciona como una herramienta innovadora y confiable para la gestión del mantenimiento de pavimentos flexibles.