Inteligencia artificial y RPAS para la detección de fallas en pavimentos flexibles: Ruta Tingo – Chachapoyas, Km 290+025 – Km 293+249

Abstract

El estado superficial deteriorado de los pavimentos flexibles compromete la seguridad y las condiciones de circulación, además de incrementar los costos operativos vehiculares; por esta razón, contar con evaluaciones oportunas resulta clave para sustentar el mantenimiento y priorizar las acciones de intervención según el nivel de daño. En el presente estudio se desarrolló un sistema de soporte para la determinación del Índice de Condición del Pavimento (PCI), conforme a la norma ASTM D6433, mediante la integración de RPAS y el modelo de inteligencia artificial YOLOv8, en la ruta Tingo–Chachapoyas (PE-08B), entre las progresivas Km 290+025 – Km 293+249; para ello, se generó un ortomosaico georreferenciado y se segmentó el tramo en 42 unidades de muestreo para estructurar el registro espacial de los deterioros. Sobre este registro, YOLOv8 se configuró para detectar cinco tipos de falla (grieta de borde, hueco, piel de cocodrilo, desprendimiento de agregados y parcheo), obteniéndose un desempeño aceptable (mAP > 0.5) para consolidar un inventario preliminar, georreferenciado y estandarizado de las principales tipologías de falla; seguidamente, el PCI se determinó por unidad de muestreo integrando la información de detección con la verificación y medición en campo, debido a que medidas como la profundidad de baches o el ancho efectivo de grietas requieren inspección directa. Con base en la información consolidada, el tramo se clasificó en 17% Excelente, 21% Muy Bueno, 17% Bueno, 9% Regular, 5% Pobre, 12% Muy Pobre y 19% Fallado, lo que permitió plantear intervenciones técnicas de mantenimiento rutinario, mantenimiento periódico y rehabilitación, en función del nivel de deterioro. En conjunto, los resultados evidenciaron que la integración de RPAS e IA fortalece el proceso de inspección al generar registros georreferenciados y estandarizados de deterioros que permiten la identificación preliminar de fallas y la delimitación de unidades de muestreo, orientando la verificación y medición en campo, sin reemplazar la evaluación técnica directa.