Buscar en Google Scholar
Registro completo de metadatos
Sagastegui Plasencia, Fidel German
Sancarranco Calle Rhonal Efraín
2024-05-20T20:41:11Z
2024-05-20T20:41:11Z
2023
https://hdl.handle.net/20.500.12692/140623
En la actualidad las estructuras de concreto tienden a fisurarse y agrietarse por diferentes agentes climáticos y variaciones de temperatura o humedad lo que conlleva a poner en duda su funcionalidad y durabilidad de la estructura. La presente investigación buscó identificar las fisuras y grietas usando Deep Learning en las estructuras de concreto de entidades públicas en Piura. Por ello, se utilizó un enfoque cuantitativo de carácter descriptivo, de diseño no experimental donde se realizó una inspección visual con la finalidad de recabar la información para su entrenamiento, prueba y validación usando roboflow; se recolectó a través de la ficha de inspección de datos. El estudio se desarrolló en la Municipalidad Provincial de Piura, capturando 500 fotografías del primer al décimo piso, también el sótano a través de un celular inteligente, analizando 100 imágenes validadas. Por consiguiente, los resultados obtenidos indican que, en la estructura de la parte interna de la Entidad Pública se logró identificar 58 fisuras, más leves que graves y 43 grietas moderadas. Además, se realizó una propuesta de reparación de fisuras y grietas leves y moderadas mediante el ACI224. (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad César Vallejo (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
https://creativecommons.org/licenses/by/4.0/ (es_PE)
Repositorio Institucional - UCV (es_PE)
Universidad César Vallejo (es_PE)
Deep Learning (es_PE)
Inteligencia artificial (es_PE)
Estructura (es_PE)
Deep Learning para la detección de fisuras y grietas en las estructuras de concreto de entidades públicas en Piura (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad César Vallejo. Facultad de Ingeniería y Arquitectura (es_PE)
Ingeniería Civil (es_PE)
Ingeniero Civil (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#5.05.01 (es_PE)
https://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
18173778
https://orcid.org/0000-0003-4958-9605 (es_PE)
70047274
732016 (es_PE)
Principe Reyes, Roger
Chan Heredia, Miguel Angel
Sagastegui Plasencia, Fidel
https://purl.org/pe-repo/renati/type#tesis (es_PE)
Privada societaria



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons