Mercedes Solla diseña dos algoritmos para detectar la corrosión en puentes y pavimentos de hormigón
La investigadora Mercedes Solla ha logrado aumentar la precisión con la que se detectan grietas y otros defectos en estructuras de hormigón como puentes, carreteras o presas gracias a dos algoritmos de aprendizaje automático e inteligencia artificial. Investigadora Ramón y Cajal en el área de Ingeniería Cartográfica, Geodésica y Fotogrametría en la Universidade de Vigo, sus resultados se derivan de la Beca Leonardo que obtuvo en 2022.
30 octubre, 2025
Para detectar los defectos que puedan surgir en un puente, una carretera o una presa antes de que colapse, una técnica de gran potencial es el georradar. Mediante la propagación de señales electromagnéticas, este método proporciona información de subsuelo sobre el tipo de material con el que está fabricada la estructura que corresponda así como si hay discontinuidades o anomalías en ese material. Sin embargo, interpretar estos datos es difícil, explica Solla, porque “depende de muchísimos condicionantes: las propiedades de los medios, la propia toma de datos, los filtros que se utilizan…” La complejidad en la interpretación de los datos provoca que, aunque el georradar es la técnica de geofísica que mayor resolución de imagen ofrece, no está tan implantada en el mercado como otras menos precisas.
Por ello, la investigadora y su equipo apuestan por la inteligencia artificial para detectar las grietas y las consecuencias de la corrosión en el hormigón armado. En los últimos meses han publicado dos artículos al respecto: uno en el que desarrolla un algoritmo de aprendizaje profundo que detecta los despegues internos que se producen en el hormigón cuando existe corrosión (un efecto conocido como delaminación) con una precisión cercana al 100%, y otro en el que mejoran un algoritmo ya conocido de aprendizaje automático para detectar grietas en el hormigón a partir de datos georradar, obteniendo una precisión del 97%.
“La corrosión puede producir despegues en el hormigón. Son daños que se van produciendo desde dentro hacia fuera y pueden precipitar que el puente se caiga”, explica Solla, que, desde la Universidade de Vigo, es particularmente consciente de los efectos nocivos que tiene el agua salada sobre estas estructuras especialmente en zonas costeras. Por ejemplo, en 2018 se desplomó un muelle de hormigón y madera en la ciudad gallega durante un concierto nocturno, causando 467 heridos. Solo después se supo que el muelle estaba corroído por dentro, y la investigadora aspira a que sus técnicas ayuden a anticipar los defectos y prevenir así accidentes como este.
“El problema de utilizar la inteligencia artificial para el georradar es que se necesitan muchísimos datos”, explica Solla, “pero para este proyecto conseguimos obtener datos reales de diferentes puentes en los que existía delaminación a partir de datos en abierto y, sobre todo, en los que teníamos información precisa y verificada de en qué zonas del puente se daba esa delaminación”. El artículo publicado en Case Studies in Construction Materials en enero de 2025 parte de un conjunto de datos en abierto, empleando algunos de ellos para entrenar el modelo y el resto para validar que el algoritmo funcionaba como debía y calcular la precisión.
El segundo algoritmo, de mayo de 2025, en cambio, se basa en aprendizaje automático, para el que se necesita un volumen de datos menor. Además, el equipo de Solla empleó datos experimentales de laboratorio y de simulaciones, un recurso útil para entrenar y validar algoritmos en escenarios en los que la disponibilidad de datos reales es escasa. “Pretendíamos que el algoritmo nos identificara zonas anómalas donde pudiese haber grietas, desde las más incipientes hasta las más avanzadas”. Para lograrlo, adaptaron un algoritmo ya establecido para que incorporara toda la información que ofrece el georradar, y consiguieron mejorar su precisión hasta alcanzar el 97%.
La línea de investigación que comenzó con la Beca Leonardo continúa ahora gracias a un proyecto de Generación de Conocimiento del Ministerio de Ciencia, Innovación y Universidades, con el que la investigadora aspira a seguir investigando la corrosión y otros daños en los tableros de puentes. “Queremos construir un modelo 3D del puente que sirva para generar un modelo de realidad aumentada, de forma que un operador con las gafas adecuadas pueda ver de manera directa toda la información que se extrae del modelo de aprendizaje profundo”, afirma.
Además, pretende conectar los datos de georradar con los que provienen de otras técnicas de uso habitual para documentar el estado del puente de manera más amplia. “El modelo 3D es casi un gemelo digital, aunque no llegamos todavía a ir actualizándolo en tiempo real. Pero pensamos que será muy útil que los operarios puedan visualizar in situ todos los defectos que tenga un puente y poder controlar si van creciendo o no, para facilitar una toma de decisiones más eficiente”.