Innovación en Estructuras

Conectando el rigor de la ingeniería civil con el poder del Machine Learning, Deep Learning y Programación para preservar el patrimonio estructural del mañana.

Nuestra Misión

Proveer a ingenieros, investigadores y profesionales de la construcción una herramienta automatizada, precisa y no destructiva para la detección de carbonatación en estructuras de concreto. A través del uso de Inteligencia Artificial, buscamos reducir los tiempos de inspección, minimizar costos de mantenimiento y prevenir fallas estructurales catastróficas.

Rigor Científico

Modelo entrenado con un dataset curado de miles de imágenes de ensayos con fenolftaleína, validados por expertos en materiales.

Tecnología YOLOv11

Implementación de la arquitectura state-of-the-art en detección de objetos, garantizando inferencia en tiempo real.

Impacto Social

Prevención de la corrosión del acero de refuerzo, aumentando la vida útil de infraestructuras críticas como puentes y edificios.

Metodología Científica

Fase 1: Recolección

Elaboración de núcleos de concreto y aplicación del indicador de fenolftaleína. Captura fotográfica bajo condiciones controladas de iluminación.

Fase 2: Anotación

Etiquetado manual poligonal de las zonas carbonatadas (incoloras) y no carbonatadas (magenta) por especialistas en materiales.

Fase 3: Entrenamiento

Fine-tuning del modelo YOLOv11 utilizando transferencia de aprendizaje (Transfer Learning), optimizando hiperparámetros y funciones de pérdida.

Fase 4: Validación

Pruebas ciegas en imágenes y videos nunca antes vistos por el modelo, obteniendo un mAP@0.5 superior al 92% en detección de carbonatación.

Equipo de Investigación

Conoce a los especialistas e investigadores detrás de CarboScan AI. Nuestro equipo multidisciplinario combina experiencia en Ingeniería Civil, Inteligencia Artificial, Programación, y Ciencias Matemáticas.