Análisis granulométrico de agregado para el concreto a través de un algoritmo basado en redes neuronales (Deep Learning)

• Autores: Delia Gutiérrez Layme, Hamhit López Hinostroza, Rubén Sosa Aquise
• Localización: Revista ingeniería de construcción, ISSN-e 0718-5073, Vol. 38, Nº. 3, 2023, págs. 448-460
• Idioma: español
• Títulos paralelos:
  • Granulometric analysis of aggregate for concrete through an algorithm based on neural networks (Deep Learning)
• Enlaces
  • Texto completo
• Resumen
  • español

    Resumen: En la actualidad, el diseño de mezclas tradicional no logra optimizar adecuadamente los tiempos involucrados. Por lo tanto, se propone utilizar el método de las redes neuronales para mejorar la eficiencia en términos de tiempo y acceso a lugares difíciles, así como en el transporte al laboratorio. El objetivo principal es aplicar técnicas de aprendizaje profundo (deep learning) para evaluar la calidad de un agregado de cantera y determinar si cumple con las especificaciones requeridas para su uso en concreto, de acuerdo con las normativas vigentes. La metodología consistió en recopilar 20 imágenes por muestra, la obtención del análisis de granulometría, se consideró 2 canteras del departamento de Junín Satipo (Sonomoro y Llaylla) y 1 cantera del departamento de Cusco (Vicho), con un total de 13 muestras, en el presente artículo realizado se ubica dentro tipo de investigación experimental con un enfoque cuantitativo. Los resultados se obtuvieron a través de la ejecución del algoritmo Yolo, con la detección de imágenes, obteniendo el 93.20%, según la norma técnica peruana (NTP 400.12, 2001), con una desviación típica de 0,96 %. El algoritmo fue entrenado según los tamices dados en la norma técnica peruana (NTP 350.001, 1970). En conclusión, el uso del algoritmo en el análisis de los datos ha permitido reducir significativamente el tiempo requerido para llevar a cabo la evaluación física y ha mejorado el estudio del agregado de manera efectiva.

  • English

    Asbtract: Currently, the traditional mix design fails to adequately optimize the times involved. Therefore, it is proposed to use the neural network method to improve efficiency in terms of time and access to difficult places, as well as transport to the laboratory. The main objective is to apply deep learning techniques to evaluate the quality of a quarry aggregate and determine if it meets the specifications required for its specific use, in accordance with current regulations. The methodology consisted of collecting 20 images per sample, obtaining the granulometry analysis, 2 quarries from the department of Junín Satipo (Sonomoro and Llaylla) and 1 quarry from the department of Cusco (Vicho) were considered, with a total of 13 samples, in The present article carried out is located within a type of experimental research with a quantitative approach. The results were obtained through the execution of the Yolo algorithm, with image detection, obtaining 93.20%, according to the Peruvian technical standard (NTP 400.12, 2001), with a standard deviation of 0.96%. The algorithm was trained according to the sieves given in the Peruvian technical standard (NTP 350.001, 1970). In conclusion, the use of the algorithm in the data analysis has allowed to significantly reduce the time required to carry out the physical evaluation and has effectively improved the study of the aggregate.