Identificación de patologías en estructuras mediante deep-learning

Abstract

La detección temprana de patologías en materiales de construcción constituye un factor clave para garantizar la seguridad, durabilidad y sostenibilidad de las edificaciones, especialmente en el ámbito de la conservación preventiva del patrimonio. En este contexto, las técnicas de inspección no destructivas, como la termografía infrarroja, permiten identificar anomalías térmicas asociadas a procesos de degradación antes de que estos sean visibles, facilitando un diagnóstico precoz y fiable. El presente Trabajo Fin de Grado aborda la identificación automática de patologías estructurales mediante técnicas de deep learning aplicadas al análisis de secuencias térmicas. Se propone un enfoque basado en dos etapas: la identificación del material de construcción y la clasificación del tipo de sal presente, considerando el anión como principal factor de alteración. Para ello, se emplean datos obtenidos a partir de ciclos de calentamiento y enfriamiento registrados mediante termografía infrarroja. Se evalúan distintos modelos de deep learning, incluyendo RNN, LSTM y GRU, analizando su capacidad para modelizar la evolución temporal de las señales térmicas.