Ryan A. León León, Alex A. Llanos Meza, Michel A. Marroquín Zavaleta, Tommy R. Reyes Gonzales, Gianluca D. Tejada Villegas

Memorias de la Vigésima Tercera Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2024, pp. 447-453 (2024); https://doi.org/10.54808/CISCI2024.01.447

Ryan A. León León
La Libertad, Universidad Privada del Norte, Trujillo, Perú

Alex A. Llanos Meza
La Libertad, Universidad Privada del Norte, Trujillo, Perú

Michel A. Marroquín Zavaleta
La Libertad, Universidad Privada del Norte, Trujillo, Perú

Tommy R. Reyes Gonzales
La Libertad, Universidad Privada del Norte, Trujillo, Perú

Gianluca D. Tejada Villegas
La Libertad, Universidad Privada del Norte, Trujillo, Perú

Cite this paper as:
León León, R. A., Llanos Meza, A. A., Marroquín Zavaleta, M. A., Reyes Gonzales, T. R., Tejada Villegas, G. D. (2024). Desarrollo de un Algoritmo de Visión Artificial Basado en una Red Convolucional para Detectar Juntas de Mortero Conforme al Reglamento Nacional de Edificación (RNE) y Automatizar las Verificaciones en Obra. En N. Callaos, Jesús de la Fuente Arias, J. Horne, B. Sánchez, A. Tremante (Eds.), Memorias de la Vigésima Tercera Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2024, pp. 447-453. International Institute of Informatics and Cybernetics. https://doi.org/10.54808/CISCI2024.01.447

En la industria de la construcción, la inspección manual de juntas de mortero presenta desafíos significativos debido a errores humanos y falta de criterios claros. Para abordar esto, se desarrolló un algoritmo de visión artificial basado en YOLOv8 para detectar juntas de mortero conforme al Reglamento Nacional de Edificaciones (RNE), automatizando así las verificaciones técnicas en obra. Se recolectaron y etiquetaron 550 imágenes de juntas de mortero utilizando Roboflow, diversificando condiciones de iluminación y ángulos. Se empleó YOLOv8 en Google Colab con una GPU Tesla T4 para entrenar el modelo, ajustando parámetros y validando con conjuntos de datos independientes. Se implementó en PyCharm para la detección en tiempo real. El modelo alcanzó una precisión promedio de detección de juntas de mortero del 92%. Se observó que el 68%-75% de las juntas estaban separadas por 1-1.5 cm, y el 25%-32% por más de 1.5 cm. Estos resultados destacan la eficacia del sistema para mejorar la precisión y eficiencia en la inspección de construcciones.