Modelo basado en machine learning para identificar grietas mediante el uso de dron en el pavimento asfáltico de la Av. Circunvalación de la ciudad de Puno

Abstract

Las carreteras son un elemento usado por millones de vehículos y personas a diario, las condiciones de la carretera y su estado pueden alterar la tasa de accidentes de tráfico, por ello es importante la reparación y tratamiento de sus defectos, en el Perú existen 2.76 millones de vehículos que hacen uso de 22,775.00 km de carreteras pavimentadas de acuerdo al Sistema Nacional de Carreteras, la inspección de varios kilómetros de carretera generalmente es realizada manualmente por ello es muy costosa, poco eficiente y subjetiva. Las grietas en el pavimento, si se detectan oportunamente, permiten prevenir daños mayores y reducir los costos de mantenimiento por estas razones el objetivo de la presente investigación es evaluar el desempeño de un modelo basado en machine learning para la identificación de grietas mediante el uso de dron en el pavimento asfáltico de Av. Circunvalación de la ciudad de Puno. Con respecto a la metodología será de tipo aplicada, nivel explicativo transversal, además el diseño de la investigación será cuasiexperimental debido al tipo de muestra. El modelo fue desarrollado en Python utilizando los frameworks Keras y TensorFlow, haciendo uso de MobileNetV2, una red neuronal convolucional preentrenada, la cual fue ajustada para identificar grietas longitudinales, transversales y tipo malla. Los resultados muestran un desempeño satisfactorio, alcanzando un F1-score general de 0.73, con alta precisión en la detección de grietas tipo malla, longitudinales y tramos sin grietas. Se concluye que el modelo propuesto es una herramienta viable para el monitoreo automatizado del estado del pavimento, representando una alternativa rápida, escalable frente a las inspecciones visuales tradicionales.