Dr Sc Ing Hemerson Lizarbe Alarcón - Cursos de Ingeniería

19/09/2026

La gestión de la seguridad vial y el mantenimiento de la infraestructura de transporte en carreteras nacionales enfrenta un desafío crítico respecto a la inspección y diagnóstico del estado de conservación de las señales verticales de tránsito La degradación física de la señalética vertical —ocasionada por la radiación ultravioleta, variaciones térmicas o actos de vandalismo— compromete la visibilidad del entorno vial y limita la capacidad de respuesta oportuna de los conductores
Para dar respuesta a esta problemática, la presente investigación introduce SISEVIR (Sistema de Supervisión de Señales Verticales en Infraestructura Vial), una arquitectura de aprendizaje profundo de tres etapas diseñada para automatizar el diagnóstico integral de la señalización vertical a partir de video vehicular en movimiento
El valor técnico de la propuesta radica en su enfoque metodológico integrado:
Segmentación de instancias: Emplea la red YOLO26s-seg para la identificación y delimitación de 31 clases de señales verticales
Clasificación del estado de deterioro: Utiliza la arquitectura EfficientNet-B0 para categorizar las señales detectadas en siete estados de conservación
Generación de diagnósticos en lenguaje natural: Incorpora el modelo Visión-Lenguaje Qwen2-VL-2B-Instruct para redactar descripciones técnicas automatizadas en español, alineadas directamente con el Manual de Dispositivos de Control del Tránsito del Ministerio de Transportes y Comunicaciones (MTC) del Perú
Procesando video vehicular a 30.7 fotogramas por segundo (FPS), SISEVIR vincula cada estado de deterioro a una escala de cuatro niveles de condición con intervenciones de mantenimiento específicas Este avance permite realizar inventarios objetivos y continuos sin necesidad de detener el vehículo de inspección, reduciendo drásticamente los costos, el tiempo operativo y los riesgos del personal en campo en comparación con las auditorías manuales tradicionales

El artículo científico se encuentra publicado en la revista académica Future Transportation (MDPI)

Se invita a la comunidad académica, profesionales de la ingeniería civil, especialistas en transporte y responsables de la gestión vial a consultar el artículo completo y revisar la evidencia experimental a través del siguiente enlace directo:
https://doi.org/10.3390/futuretransp6050184

15/09/2026

10/09/2026

¿Cómo responder al tráfico en centros históricos coloniales mediante Inteligencia Artificial? 🚦🏛️
El control vehicular mediante semáforos de tiempo fijo genera graves congestiones, retrasos y contaminación ambiental en ciudades históricas En la ciudad de Ayacucho (Perú), la estructura monocéntrica y sus calles estrechas —diseñadas originariamente para carruajes y peatones— dificultan la absorción del flujo vehicular en horas punta
Para resolver este desafío de movilidad urbana, un equipo de investigadores de la Universidad Nacional de San Cristóbal de Huamanga (UNSCH) ha desarrollado un sistema automatizado e inteligente de semáforos adaptativos basado en la red neuronal YOLOv8 y filtrado temporal avanzado
👥 Autores de la investigación: Diego O. Tenorio-Huarancca, Hemerson Lizarbe-Alarcon, Rocky G. Ayala-Bizarro, Main G. Tenorio-Palomino, Rualth G. Bravo-Anaya, Alex S. Ircañaupa-Huamaní, Edward León-Palacios y Victor Bellido-Aedo (Facultad de Ingeniería de Minas, Geología y Civil - UNSCH)
🔬 Innovación tecnológica y metodología:
Dataset local representativo: Se capturaron 3,000 imágenes con dos cámaras estratégicas (visión frontal HD e inclinada 3K) para clasificar 8 categorías de vehículos (autos, mototaxis, microbuses, camiones, etc.)
Entrenamiento y arquitectura: La red YOLOv8m fue entrenada durante 126 épocas (Early Stopping) en GPU NVIDIA A100
Resiliencia ante escenarios complejos: Incorpora filtrado temporal de 3 fotogramas y seguimiento por centroide (umbral de 50 px) para eliminar falsos positivos generados por sombras de casonas coloniales, resplandor nocturno de faros, oclusión entre vehículos y lluvias intensas
Algoritmo de optimización de 13 etapas: Convierte los conteos a Unidades de Coche Patrón (UCP/s), determina el grado de saturación y calcula tiempos de luz verde (15 s a 60 s) y ámbar adaptativo (3 s a 5 s) en función de la psicología del conductor y compensación de Webster
📊 Resultados destacados:
🎯 Precisión del modelo: Alcanzó un 88.7% de precisión general y un mAP50 de 0.892 (89.2%)
⚡ Velocidad de inferencia: Procesa cada cuadro en apenas 2.6 ms
⏱️ Tiempos de ciclo dinámicos: Los tiempos de luz verde se ajustan dinámicamente entre 20.3 s y 40.5 s según la demanda real del tráfico
¿Quieres conocer las ecuaciones matemáticas del algoritmo, las curvas de precisión-recall y las tablas de evaluación en 32 escenarios reales? 🧪👇
📖 Lee y descarga el artículo científico completo publicado en la revista MMEP: 🔗 https://doi.org/10.18280/mmep.120928

26/08/2026

IA_en_los_Andes
Articulo de investigación publicado en la revista internacional: International Information and Engineering Technology Association (IIETA)
Article: Superior Performance of Artificial Neural Networks for Optimizing Concrete Mix Design Using Local Materials in Ayacucho, Peru (2024)

¿Seguimos diseñando concreto con métodos del siglo pasado? 🧠🏗️
En la construcción civil, especialmente en regiones de gran altitud como Ayacucho (2,761 m s.n.m.), las fluctuaciones de temperatura y las características únicas de las canteras locales (La Moderna y Chillico) hacen que los métodos empíricos tradicionales (como el ACI 211.1) pierdan precisión. ¿El resultado? Un uso excesivo de cemento, sobrecostos y desperdicio de materiales.
Para resolver esto, un nuevo estudio de la Universidad Nacional de San Cristóbal de Huamanga (UNSCH) propone un enfoque revolucionario: el uso de Redes Neuronales Artificiales (RNA) para predecir con precisión matemática la dosificación exacta de los materiales.
A través de una base de datos de 806 registros experimentales, se entrenó un modelo con arquitectura 18-11-12-4 (18 variables de entrada, dos capas ocultas y 4 salidas). Los resultados demuestran un rendimiento sobresaliente frente a la regresión lineal tradicional:

📈 Precisión casi perfecta: Logró un coeficiente de correlación (R) de 0.9947 y un coeficiente de determinación (R²) de 0.9895.
🎯 Error mínimo: El error porcentual absoluto medio global (MAPE) fue de apenas 0.9175%.
💰 Impacto económico: Reduce el uso excesivo de cemento en un 3.0%, generando un ahorro estimado de USD 2.12 por metro cúbico.
🌿 Sostenibilidad real: Este ajuste optimizado permite mitigar las emisiones de carbono, ahorrando aproximadamente 9.58 toneladas de CO₂ por cada 1,000 m³ de concreto producido.
La inteligencia artificial aplicada a la ingeniería civil ya no es el futuro; es una herramienta práctica y rentable para el presente.
¿Quieres conocer las ecuaciones de regresión, los análisis de concordancia de Bland-Altman y la metodología de entrenamiento del modelo? 🧪👇
📖 Lee y descarga el artículo científico completo aquí: 🔗 https://lnkd.in/e3bBbhVM

25/08/2026

Articulo publicado en la revista: Mathematical Modelling of Engineering Problems

Titulo de la investigación: Validation of the Slope Stabilization Technique in Sedimentary Rock with Kikuyu Grass Cultivation to Improve Soil Shear Resistance

¿Cómo puede el pasto Kikuyu salvar carreteras y estabilizar taludes de forma sostenible y económica? 🌿🛣️
La inestabilidad de taludes en carreteras de montaña representa un riesgo crítico a nivel global para la seguridad de la infraestructura y de las comunidades En el Perú, tramos como el de la Vía PE-28B (Ayacucho - Cusco) enfrentan constantes deslizamientos debido a las difíciles condiciones de sus suelos y rocas sedimentarias (areniscas)
Frente a los métodos tradicionales costosos y de alto impacto ambiental, un nuevo estudio liderado por investigadores de la UNMSM y la UNSCH ha validado una alternativa ecológica y altamente efectiva: la bioingeniería con pasto Kikuyu (Pennisetum clandestinum)
A través de ensayos de corte directo y simulaciones con el software SLIDE V6.0, se revelaron resultados contundentes sobre el impacto de estas densas raíces en la resistencia del suelo
:
📈 Aumento del Factor de Seguridad (F.S.) Estático: Subió de un inestable 0.905 a un seguro 1.504 (un incremento del 66.19% bajo el método Bishop)
⚡ Mayor Resistencia Sísmica: El F.S. bajo análisis pseudoestático aumentó de 0.751 a 1.278
🕸️ Armadura Natural: Las raíces fibrosas del Kikuyu (que pueden alcanzar una densidad de hasta 16,000 raíces por metro cuadrado) incrementaron el ángulo de fricción interna del suelo en un 19.19% promedio
Este estudio demuestra que la vegetación adecuada no solo previene la erosión superficial, sino que distribuye las tensiones del suelo de manera óptima y reduce los costos frente a la ingeniería civil tradicional
¿Quieres conocer los detalles de los ensayos y la modelación geotécnica? 🧪👇
📖 Lee y descarga el artículo científico completo aquí: 🔗 https://doi.org/10.18280/mmep.111108

07/08/2026

07/08/2026