Científicos desarrollan un marco de IA para la monitorización a largo plazo de los daños en puentes

Un equipo de científicos ha desarrollado un marco de IA para la monitorización a largo plazo del estado de los puentes, capaz de detectar y seguir de forma automática grietas, desprendimientos de hormigón y filtraciones de agua. El sistema aborda una de las tareas clave de la infraestructura de transporte: detectar los daños estructurales en una fase temprana, antes de que se vuelvan críticos.

Por qué vigilar un puente no es lo mismo que una inspección programada

Los puentes se deterioran de forma lenta y poco visible. Las estructuras soportan a diario la carga del tráfico, los cambios cíclicos de temperatura y un contacto constante con la humedad. Todo ello provoca daños por fatiga que se acumulan durante años. Una grieta en una viga portante puede pasar mucho tiempo inadvertida si la inspección se realiza cada varios años o no alcanza las zonas de difícil acceso.

Según TechXplore, estos son los tres tipos principales de daños que se acumulan en las estructuras de los puentes:

• Grietas en los elementos de hormigón, por la carga y los cambios de temperatura
• Desprendimientos y descascarillado de la superficie (concrete spalling), por la corrosión de la armadura o el desgaste mecánico
• Filtración de agua, que deteriora la impermeabilización y acelera la degradación de la estructura

En una fase temprana, cada uno de estos defectos no es crítico por sí solo, pero sin un control sistemático acaban degradando la capacidad portante. Por eso el diagnóstico precoz es esencial para la seguridad de la infraestructura viaria.

En qué se diferencia la monitorización a largo plazo de las

inspecciones puntuales

El marco desarrollado no se limita a registrar el estado actual de la estructura: sigue la evolución de los cambios a lo largo del tiempo. Esa es la diferencia esencial con las inspecciones visuales programadas, que ofrecen una «instantánea» del momento de la revisión. El sistema de IA acumula datos de cada defecto y observa su desarrollo: a qué velocidad crece una grieta, si se amplía la zona de filtración o si se acelera el desprendimiento.

Este enfoque permite a los servicios de carreteras actuar de forma proactiva. En lugar de esperar a que el daño sea visible o crítico, el sistema emite un aviso con antelación y permite planificar la reparación con menores costes.

«Los puentes son una parte importante de los sistemas viarios.

Su monitorización es necesaria para garantizar la seguridad estructural», se afirma en la descripción del desarrollo, según TechXplore.

La IA en la seguridad de la infraestructura de transporte

La monitorización de la salud estructural (Structural Health Monitoring, SHM) es una de las líneas de aplicación de la IA a la infraestructura real que más se está desarrollando. Los sistemas de visión artificial aprenden a reconocer defectos en fotografías y en el flujo de vídeo de las cámaras de vigilancia; los algoritmos de series temporales analizan los datos de los sensores de carga y vibración; y los modelos predictivos estiman la vida útil restante de los elementos.

El marco desarrollado asume la vigilancia rutinaria y libera a los ingenieros inspectores para que se dediquen a analizar anomalías y a tomar decisiones. El enfoque resulta especialmente pertinente a escala global: en el mundo hay cientos de miles de puentes de carretera y ferrocarril, la mayoría construidos hace décadas y necesitados de un control sistemático. La escasez de inspectores cualificados y el elevado coste de las revisiones manuales hacen de la automatización no un lujo, sino una necesidad.

Qué significa

La monitorización de puentes con IA a largo plazo supone un paso hacia el mantenimiento predictivo de la infraestructura de transporte crítica. En lugar de la reparación reactiva, cuando el problema ya es evidente, los sistemas de este tipo permiten planificar los trabajos con antelación, reducir el coste del ciclo de vida y prevenir accidentes en estructuras que están en servicio durante décadas.

Preguntas frecuentes

¿Qué daños en los puentes detecta el sistema de IA?

El sistema está diseñado para detectar tres tipos principales de defectos: grietas en el hormigón, desprendimientos y descascarillado de la superficie (spalling) y filtraciones de agua. Son los daños que con más frecuencia se desarrollan en las estructuras de los puentes por efecto del tráfico, los cambios de temperatura y la humedad.

¿Por qué es importante la monitorización a largo plazo y no las

inspecciones puntuales?

Las inspecciones puntuales registran el estado en el momento de la revisión, pero no permiten seguir la evolución: a qué velocidad se desarrolla una grieta o se amplía la zona de filtración. La monitorización con IA a largo plazo acumula datos a lo largo del tiempo, lo que permite detectar la aceleración de la degradación e iniciar la reparación a tiempo.