Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Fotogrametría aérea para la identificación de fallas en pavimentos flexibles.  
DOI: https://doi.org/10.46296/ig.v9i17.0337  
FOTOGRAMETRÍA AÉREA PARA LA IDENTIFICACIÓN DE FALLAS EN  
PAVIMENTOS FLEXIBLES  
AERIAL PHOTOGRAMMETRY FOR THE IDENTIFICATION OF FAULTS IN  
FLEXIBLE PAVEMENTS  
Fiallos-Iglesias Julio Andrés 1  
1
Universidad Nacional de Chimborazo. Riobamba, Ecuador.  
Correo: julio.fiallos@unach.edu.ec. ORCID ID: https://orcid.org/0009-0009-2145-5809.  
Resumen  
La evaluación de la condición de los pavimentos es una actividad fundamental para la gestión de  
infraestructuras viales. Tradicionalmente, este proceso se realiza mediante inspecciones visuales  
en campo, lo que implica altos costos, tiempo considerable y riesgos para el personal técnico.  
En este contexto, el presente estudio tiene como objetivo identificar y clasificar fallas en  
pavimentos flexibles mediante técnicas de fotogrametría aérea utilizando vehículos aéreos no  
tripulados (VANT). La metodología empleada incluyó la captura de imágenes aéreas, generación  
de ortomosaicos, procesamiento digital de imágenes y clasificación supervisada para identificar  
diferentes tipos de deterioro superficial. Posteriormente, los resultados fueron comparados con  
el método tradicional de inspección visual basado en el índice PCI (Pavement Condition Index).  
Los resultados permitieron identificar fallas como fisuras, parches, baches y meteorización,  
alcanzando un índice de concordancia kappa de 0,81. Sin embargo, la comparación entre la  
inspección visual y la clasificación fotogramétrica mostró una coincidencia global del 58 %. Las  
fisuras y parches presentaron mayores niveles de precisión, mientras que otras fallas se  
confundieron debido a similitudes espectrales y condiciones de iluminación. Se concluye que la  
fotogrametría aérea constituye una alternativa viable para el monitoreo de pavimentos,  
especialmente en procesos de evaluación preliminar y levantamientos de grandes extensiones  
de vías. No obstante, el método tradicional basado en inspección visual sigue siendo el más  
completo para la identificación detallada de fallas.  
Palabras clave: fotogrametría aérea, pavimentos flexibles, VANT, teledetección, clasificación de  
imágenes, PCI.  
Abstract  
Pavement condition assessment is a fundamental task for road infrastructure management.  
Traditionally, this process is carried out through field visual inspections, which involve high costs,  
significant time requirements, and safety risks for technical personnel. In this context, this study  
aims to identify and classify failures in flexible pavements using aerial photogrammetry  
techniques based on unmanned aerial vehicles (UAVs). The methodology included aerial image  
acquisition, orthomosaic generation, digital image processing, and supervised classification to  
detect different types of pavement distress. The results were compared with the traditional visual  
inspection method based on the Pavement Condition Index (PCI). The results allowed the  
identification of several types of pavement distress, including cracks, patches, potholes, and  
weathering, reaching a kappa index of 0.81. However, the comparison between visual inspection  
and photogrammetric classification showed an overall accuracy of 58%. Cracks and patches  
achieved the highest accuracy levels, while other failures were more difficult to distinguish due to  
spectral similarities and environmental factors. The study concludes that UAV-based  
photogrammetry represents a promising alternative for pavement monitoring, especially for  
preliminary assessments and large-scale surveys. Nevertheless.  
Keywords: UAV photogrammetry, flexible pavements, pavement distress, remote sensing,  
image classification.  
Información del manuscrito:  
Fecha de recepción: 13 de octubre de 2025.  
Fecha de aceptación: 18 de diciembre de 2025.  
Fecha de publicación: 12 de enero de 2026.  
362  
Fiallos-Iglesias. (2026)  
1
. Introducción  
explorar nuevas metodologías para  
la evaluación del estado de las  
carreteras. Los vehículos aéreos no  
tripulados (VANT) permiten capturar  
imágenes de alta resolución a bajo  
costo (Tello et al., 2021), facilitando  
la generación de ortomosaicos y  
Los pavimentos no fallan de manera  
inmediata, sino que su deterioro  
ocurre de forma gradual (Ministerio  
de  
Obras  
Públicas  
y
Comunicaciones, 1990) debido a  
factores como el tránsito vehicular,  
las condiciones climáticas y el  
envejecimiento de los materiales.  
Por esta razón, es necesario realizar  
modelos  
tridimensionales  
que  
pueden utilizarse para detectar  
deterioros en la superficie del  
pavimento.  
evaluaciones  
periódicas  
que  
En este contexto, el objetivo de esta  
permitan determinar el estado de la  
superficie y planificar actividades de  
mantenimiento.  
investigación  
es  
identificar  
y
clasificar fallas en pavimentos  
flexibles mediante técnicas de  
fotogrametría aérea y comparar los  
resultados obtenidos con los  
métodos tradicionales de inspección  
visual.  
Tradicionalmente, la evaluación de  
pavimentos se realiza mediante  
inspecciones visuales en campo.  
Aunque este método permite  
identificar diferentes tipos de  
deterioro, presenta desventajas  
importantes, entre ellas el elevado  
tiempo de ejecución, los costos  
asociados al personal técnico y los  
Marco teórico  
Un pavimento está compuesto por  
varias  
capas  
superpuestas  
diseñadas para distribuir las cargas  
del tránsito hacia la subrasante  
riesgos  
que  
implica  
trabajar  
directamente sobre la vía. Además,  
pueden existir diferencias de criterio  
entre los evaluadores, lo que genera  
variabilidad en los resultados  
(
Montejo Fonseca, 1998). Existen  
diferentes tipos de pavimentos, entre  
los cuales se destacan los rígidos,  
flexibles, semiflexibles y articulados,  
siendo los pavimentos flexibles el  
objetivo de este artículo.  
(Ramírez, 2019).  
En los últimos años, el desarrollo de  
tecnologías de teledetección  
fotogrametría aérea ha permitido  
y
363  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Fotogrametría aérea para la identificación de fallas en pavimentos flexibles.  
La evaluación de pavimentos puede  
clasificarse en evaluación funcional y  
2018) (Vasconcelos et al., 2021)  
(Peña & Zárate, 2020).  
evaluación  
estructural.  
La  
Además, el uso de sistemas de  
información geográfica (SIG) permite  
evaluación funcional se enfoca en la  
identificación  
superficiales  
de  
que  
deterioros  
afectan la  
integrar  
los  
resultados  
del  
procesamiento de imágenes con  
análisis espaciales, mejorando la  
eficiencia en el monitoreo del estado  
de las carreteras.  
comodidad y seguridad del usuario,  
mientras que la evaluación  
estructural analiza la capacidad  
portante del sistema pavimento-  
subrasante (Morales, 2004)  
2. Materiales y métodos  
(Hoffman & Del Águila, 1985).  
La metodología aplicada en esta  
investigación se desarrolló en varias  
etapas.  
En el caso de los pavimentos  
flexibles, las fallas más comunes  
incluyen  
fisuras,  
baches,  
meteorización y parches. Estas  
manifestaciones pueden detectarse  
1. Adquisición de datos  
mediante inspección visual  
o
Se realizó la captura de imágenes  
aéreas mediante un vehículo aéreo  
no tripulado, siguiendo un plan de  
vuelo con traslapes longitudinales y  
mediante técnicas de análisis de  
imágenes obtenidas por sensores  
remotos.  
transversales  
adecuados  
para  
La fotogrametría aérea basada en  
drones se ha convertido en una  
herramienta eficiente para la captura  
de imágenes de alta resolución.  
Estudios previos han demostrado  
que vuelos a alturas entre 30 y 100  
garantizar la correcta generación del  
ortomosaico.  
2. Procesamiento fotogramétrico  
Las imágenes capturadas fueron  
procesadas  
mediante  
para  
software  
generar  
metros obtener  
resoluciones espaciales entre 1,8 y  
,5 cm por píxel, lo que facilita la  
permiten  
fotogramétrico  
productos cartográficos como:  
3
identificación de deterioros en la  
superficie del pavimento (Vargas,  
•
•
Ortomosaico de alta resolución  
Modelo digital de superficie  
364  
Fiallos-Iglesias. (2026)  
•
Nubes  
de  
puntos  
el fin de evaluar la precisión del  
método fotogramétrico.  
georreferenciadas  
Estos productos permitieron analizar  
la superficie del pavimento con  
mayor precisión.  
3
. Resultados y discusión  
Los resultados obtenidos muestran  
que fue posible identificar diferentes  
tipos de fallas en el pavimento, entre  
ellas:  
3. Clasificación de fallas  
Posteriormente se aplicaron técnicas  
de clasificación de imágenes para  
identificar diferentes tipos de  
•
•
•
•
fisuras  
baches  
deterioro  
en  
el  
pavimento.  
utilizó una  
meteorización  
parches  
Inicialmente  
se  
clasificación no supervisada (Braun,  
020); sin embargo, esta no permitió  
2
El análisis de clasificación alcanzó  
un índice de kappa de 0,81, lo que  
indica una buena concordancia entre  
las clases identificadas y los datos  
de referencia.  
diferenciar adecuadamente las fallas  
debido a la similitud espectral entre  
algunas superficies.  
Por esta razón se empleó una  
clasificación supervisada (Falcon &  
Ramon, 2023) (Peng et al., 2020)  
No obstante, al comparar los  
resultados con la inspección visual  
se obtuvo una coincidencia global  
del 58 %, lo que evidencia ciertas  
(Pan et al., 2018) (Sylvester Inkoom  
&
Niu, 2019) combinada con filtros  
morfológicos para mejorar la  
detección de patrones asociados a  
fisuras y parches (Ruiz, s. f.).  
limitaciones detección  
en  
la  
automática de deterioros.  
Las fisuras y parches fueron las  
fallas que presentaron mayor  
precisión de identificación, con  
4
. Validación  
Finalmente, los resultados obtenidos  
fueron comparados con una  
porcentajes  
de  
acierto  
que  
alcanzaron hasta el 100 % en  
algunos tramos. Por el contrario, los  
baches y la meteorización mostraron  
inspección visual realizada en  
campo utilizando el método PCI, con  
365  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Fotogrametría aérea para la identificación de fallas en pavimentos flexibles.  
mayores niveles de confusión debido  
a similitudes espectrales con otras  
superficies del pavimento.  
indica la metodología PCI  
a
excepción de depresión, pulimiento  
de agregados y desplazamientos. El  
valor de PCI para toda la zona de  
estudio fue de 52, que corresponde  
a una calificación de Regular (Anexo  
Además, se observó que factores  
externos como la presencia de  
vehículos, sombras o vegetación  
influyeron en la precisión de la  
clasificación.  
1). Así también se calculó el PCI  
para cada tramo como se presenta  
en la Figura 16 y Figura 17. El cálculo  
del PCI para cada tramo se presenta  
en el Anexo 2. Los rangos de  
calificación del PCI se presentan en  
la Tabla 1  
Inspección Visual (PCI)  
A lo largo de la zona de estudio se  
presentaron todas las fallas que  
Tabla 1. Rangos de calificación del PCI  
Clasificación  
Rango  
100-85  
85-70  
70-55  
55-40  
40-25  
25-10  
10-0  
Excelente  
Muy Bueno  
Bueno  
Regular  
Malo  
Muy Malo  
Fallado  
Fuente: (Vásquez, 2002).  
Figura 1. PCI por Tramos  
366  
Fiallos-Iglesias. (2026)  
Figura 2. Mapa valores PCI  
90  
8
1 80  
76  
72  
73  
72  
68  
7
1
8
0
68  
69  
69  
62  
6
4
61  
62  
58  
70  
52  
53  
52  
46  
60  
36  
50  
24  
4
0
16  
12  
8
1
30  
2
3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25  
1
1
1
1
1
1
2
2
2
2
4
5
6
7
8
9
0
1
2
3
Regular  
Muy Bueno  
Regular  
Malo  
Muy Bueno  
Bueno  
Bueno  
Bueno  
Regular  
Muy Malo  
Muy Malo  
Bueno  
En base a lo anterior se considera  
que el estado del pavimento de  
forma general de la zona de estudio  
tiene una clasificación de Regular  
mientras que en la Tabla 2 se  
presenta la clasificación por tramos.  
24  
25  
Tabla 2. Clasificación por tramos  
Fotogrametría  
teledetección  
aérea  
y
Tramo  
Clasificación  
Fallado  
1
2
3
4
5
6
7
8
9
Bueno  
Regular  
Bueno  
Bueno  
Se puede observar que se  
identificaron las fallas  
Bueno  
Muy Bueno  
Muy Bueno  
Bueno  
Muy Malo  
Muy Bueno  
Muy Bueno  
Muy Bueno  
correspondientes a baches, fisuras,  
meteorización y parches con un  
índice de kappa de 0,81 (Figura 19).  
10  
11  
12  
13  
Figura 3. Mapa de fallas pavimento  
367  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Fotogrametría aérea para la identificación de fallas en pavimentos flexibles.  
Las fallas que se pudieron  
comprobar entre ambas  
En cuanto  
corresponden  
meteorización  
a
las fallas que  
baches  
comprobó  
a
y
metodologías fueron las fisuras y  
parches, donde el porcentaje de  
aciertos para toda la zona de estudio  
fue del 58% como se indica en la  
Tabla 5. En la Figura 20 se presenta  
los 21 tramos en que se presentaron  
dichas fallas, así como el porcentaje  
de coincidencia entre ambas  
metodologías. Los tramos 5 y 7 son  
los que presentan menor porcentaje.  
Lo anterior debido a que son los  
tramos donde se presenta la mayor  
cantidad de autos y/o motos que  
se  
mediante la inspección visual que las  
mismas se confunden con la falla de  
exudación, mientras que las fallas de  
fisuras y parches fueron identificadas  
de buena manera en la mayoría de  
los casos, esto se pudo constatar  
mediante comparación visual con la  
imagen del tramo de estudio.  
Comparación Inspección Visual  
con  
Fotogrametría  
y
Teledetección  
produjeron  
errores  
en  
la  
clasificación.  
Tabla 3. Porcentaje De Aciertos.  
Inspección Visual  
Fotogrametría  
Tipo de Falla  
Fisura  
Fisura Parche Comisión  
Total  
68  
41  
0
0
27  
6
Parche  
17  
0
23  
Omisión  
9
0
9
Total  
50  
82  
17  
100  
33  
100  
58  
Porcentaje de aciertos  
Figura 4. Porcentaje de coincidencias.  
100  
100  
100 100  
100 100 100 100  
100  
100  
90  
80  
70  
60  
50  
40  
30  
67  
63  
57  
55  
56  
50 50 50  
43  
33  
29  
17  
1
2
3
4
5
6
7
8
9
10 11 12 13 14 15 16 17 18 19 20 21  
368  
Fiallos-Iglesias. (2026)  
Para mejorar la identificación de  
fallas de pavimentos flexibles, se  
empleó la banda roja, de acuerdo  
con las bibliotecas espectrales  
desarrolladas por (Pachón, 2016).  
Es importante destacar que dicha  
investigación se realizó en Colombia,  
donde el hormigón asfáltico presenta  
La grafica de barras está sujeta a  
variabilidad en cuanto a la acertada  
detección de las fallas, para los 21  
tramos obtenidos. Había tramos que  
llegaban hasta valores del 100 %, lo  
que significa que mostraban alta  
efectividad en la detección de fisuras  
y parches, forzando a contrastar a  
otros que mostraban porcentajes  
bajos (17 %–70 %), indicando la baja  
efectividad en la detección de  
diferencias  
significativas  
en  
comparación con el utilizado en  
Ecuador, ello debido a la variación  
en la calidad del petróleo de ambos  
países.  
baches  
y
meteorización. Las  
diferencias observadas se ajustan a  
la realidad de los factores que  
influyen en la detección del estado  
general de los tramos, como son la  
Mediante el proceso de clasificación  
de imágenes, en este trabajo se  
logró identificar  
y
categorizar  
iluminación, las sombras  
y
la  
diversas fallas en el pavimento, tales  
como baches, meteorización, fisuras  
y parches. Cabe destacar que, para  
las dos últimas, la fiabilidad fue  
mejor, similar a los resultados  
obtenidos en los estudios de  
similitud espectral, lo cual también  
explicaría el nivel de coincidencia  
global del 58 % del método PCI.  
Discusión  
Los  
resultados  
obtenidos  
(
Cornejo & Valle, 2018) y (Tello et al.,  
021), en los cuales adicionalmente  
se identificaron fisuras la  
denominada falla "piel de cocodrilo".  
demuestran que la fotogrametría  
aérea es una herramienta útil para la  
2
y
identificación  
de  
deterioros  
superficiales en pavimentos. Sin  
embargo, la precisión de la  
clasificación depende en gran  
medida de la resolución espacial de  
las imágenes, las condiciones de  
iluminación y las características  
espectrales del pavimento.  
Inicialmente,  
se  
aplicó  
una  
clasificación no supervisada, la cual  
no evidenció una diferenciación  
suficiente en la reflectancia de los  
píxeles correspondientes a las fallas,  
lo que dificultó su identificación.  
369  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Fotogrametría aérea para la identificación de fallas en pavimentos flexibles.  
La clasificación supervisada se  
realizó mediante el algoritmo  
Random Forest, el cual ha sido  
exitoso en varios estudios, como los  
de (Falcon & Ramon, 2023), (Peng et  
al., 2020), (Cui et al., 2015), (Pan et  
al., 2018) y (Sylvester Inkoom & Niu,  
respecto a la inspección visual. Esta  
disparidad temporal pudo haber  
afectado en cierta medida la  
fiabilidad de los resultados y se debió  
a la falta de tiempo para realizar un  
levantamiento de datos actualizado.  
Ya que se eliminaron manualmente  
los polígonos que no son pavimento,  
se podría realizar una clasificación  
previa de pavimento/ no pavimento  
en posteriores trabajos. También es  
importante destacar que la imagen  
de este trabajo presenta con  
respecto a la inspección visual una  
diferencia temporal de alrededor de  
un año. Esta diferencia temporal  
puede haber influido de forma leve  
en la fiabilidad de los resultados y  
debió a la falta de tiempo para  
realizar un levantamiento de datos  
más actual. Al eliminar manualmente  
los polígonos que no son pavimento  
se podría hacer una clasificación  
previa de pavimento/no pavimento  
en posteriores trabajos.  
2019), entre otros. Sin embargo, en  
el presente trabajo no produjo los  
resultados esperados, ya que el  
porcentaje de aciertos en la  
identificación de fallas fue de apenas  
el 15 %.  
Posterior  
a
la  
clasificación  
supervisada, se observó que los  
píxeles del pavimento con fallas  
estaban  
muy  
dispersos.  
En  
respuesta a esto, se aplicaron tres  
filtros de erosión a la imagen  
clasificada, lo que permitió mejorar  
significativamente el porcentaje de  
aciertos.  
En relación con las fallas de tipo  
fisuras y parches, se alcanzó una  
fiabilidad global del 58 % en la zona  
de estudio, resultado comparable  
con el 56,6 % obtenido por (Zhu et  
al., 2022).  
En este sentido se ha podido  
comprobar en diferentes estudios  
recientes que la incorporación de  
etapas  
previas  
mejora  
Asimismo, es importante indicar que  
la imagen utilizada en este trabajo  
tiene una diferencia temporal de  
aproximadamente un año con  
considerablemente la precisión de la  
identificación de los deterioros  
superficiales; por ejemplo, Zhang et  
al. (2021) observaron que la  
370  
Fiallos-Iglesias. (2026)  
segmentación de la superficie vial  
permitía reducir los errores de  
clasificación por los efectos de  
elementos ajenos como vegetación,  
sombras o vehículos incrementando  
existentes  
en  
los  
mismos  
pavimentos.  
Por otra parte, Zhu et al. (2022)  
revisan que la precisión de imágenes  
aéreas  
para  
detectar  
fallas,  
la  
clasificación en más de un 20 %.  
Este enfoque muestra la  
exactitud  
general  
de  
la  
igualmente,  
estrechamente  
dependiente de la resolución  
espacial y las condiciones de  
iluminación, en concordancia con lo  
revisado en este trabajo. En este  
caso, estos autores obtienen un  
porcentaje de un 56,6 %, muy  
próximo al de un 58 % que se ha  
obtenido en este trabajo y que  
además da cuenta de la consistencia  
de todos los resultados que se han  
ido obteniendo, e incluso de las  
limitaciones que presentan la  
utilización de imágenes RGB en  
entornos reales.  
concordancia de los resultados  
obtenidos en esta investigación, ya  
que la aparición de objetos externos  
oscurece la detección de fallos.  
Por un lado, estudios como los de  
Maeda et al., (2018) subrayan que  
en los procedimientos de detección  
de fisuras mediante deep learning en  
comparación aquellos tradicionales  
de aprendizaje supervisado como la  
técnica Random Forest; en media, la  
técnica de aprendizaje profundo  
supera  
al  
del  
aprendizaje  
De acuerdo con Tello et al. (2021),  
en el ámbito latinoamericano, la  
combinación de fotogrametría y  
técnicas de IA mejora de forma  
notable la identificación de fisuras y  
otros deterioros, aun cuando se  
supervisado en un 90%. Por el  
contrario, en el presente trabajo, el  
uso de Random Forest no produjo  
los resultados iniciales que se  
esperaban en una primera fase, lo  
que provoca la experiencia de que  
en futuras líneas de trabajo se deban  
incluir técnicas que a su vez  
continúen las etapas del aprendizaje  
de la inteligencia artificial, para así  
poder conseguir la discriminación en  
patrones complejos como los  
combinaran  
con  
modelos  
de  
aprendizaje automático generados  
tomando como ejemplos bases de  
datos de la zona. Esto da soporte a  
la propuesta que se defiende en este  
trabajo, sobre la necesidad de  
desarrollar bibliotecas espectrales  
371  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Fotogrametría aérea para la identificación de fallas en pavimentos flexibles.  
del asfalto para el Ecuador, dado que  
los rasgos del asfalto son  
• Fue posible identificar fallas  
como  
fisuras,  
baches,  
parches  
condicionados por el tipo de material  
y las condiciones climáticas.  
meteorización  
y
mediante procesamiento de  
imágenes.  
Por último, Pan et al. (2018)  
defienden que la inclusión de  
sensores multiespectrales en drones  
mejora la capacidad de diferenciar  
entre los tipos de fallos, reduciendo  
de esa manera la confusión  
espectral apreciada en imágenes  
RGB, representando por tanto una  
vía de mejora conveniente para  
futuras investigaciones, ya que  
podría ayudar a superar una de las  
principales limitaciones que se  
reflejan en el presente estudio, la  
cual está relacionada con la similitud  
visual que pueda existir entre  
baches, meteorización y exudación.  
•
•
La clasificación alcanzó un  
índice de concordancia kappa de  
0,81.  
La  
comparación  
con  
la  
inspección visual mostró una  
coincidencia global del 58 %.  
A pesar de estos resultados, el  
método tradicional basado en el  
índice PCI continúa siendo el más  
completo para la identificación  
detallada de fallas, aunque presenta  
mayores costos y riesgos operativos.  
Se  
recomienda  
que futuras  
desarrollen  
investigaciones  
bibliotecas espectrales específicas  
para pavimentos en Ecuador y  
utilicen sensores multiespectrales  
que permitan mejorar la precisión de  
la clasificación automática.  
4
. Conclusiones  
La fotogrametría aérea mediante  
drones permite identificar y clasificar  
fallas en pavimentos flexibles de  
manera eficiente, constituyendo una  
alternativa tecnológica para la  
evaluación del estado de las  
carreteras.  
Pero no solo esto, sino también que  
la forma de aplicar la fotogrametría  
aérea a los sistemas de gestión de  
carreteras no significa simplemente  
un avance tecnológico, sino que más  
bien también esto constituye la  
posibilidad práctica para reforzar  
junto con la planificación como con la  
Los principales resultados de la  
investigación indican que:  
372  
Fiallos-Iglesias. (2026)  
ejecución de la toma de decisiones  
en el ámbito de la ingeniería de  
transporte. En este sentido la  
fotogrametría no es antitética sino la  
optimización de los métodos  
tradicionales de las prácticas de  
evaluación puesto que, gracias a ello  
se permite la existencia de  
diagnósticos previos que son más  
rápidos más expeditos, objetivos o  
con una mayor cobertura territorial.  
Su integración en la delimitación de  
programas de mantenimiento de  
carreteras, por ejemplo, puede  
conseguir priorizar intervenciones  
más eficaces en términos de la  
explotación de los recursos públicos,  
así como también en el propio  
retorno de la seguridad de las  
carreteras. Por lo tanto, se propone  
que las entidades responsables de la  
infraestructura vial en Ecuador  
introduzcan progresivamente esta  
tecnología en sus normas o en la  
forma de operar su propia normativa  
o su propia forma de operar,  
mediante el cual se puede introducir  
así una gestión más contemporánea  
o más sostenible e incluso basada  
en datos para monitorizar si se  
produce el mantenimiento de las  
carreteras en los estados de  
circulación.  
Bibliografía  
Braun, A. (2020, octubre). SAR-  
based landcover classification  
with Sentinel-1 GRD products.  
https://step.esa.int/docs/tutori  
als/S1TBX%20Landcover%2  
0classification%20with%20Se  
ntinel-1%20GRD.pdf  
CORDILLERA LA VIUDA – [Tesis de  
grado, Universidad Privada  
del  
https://repositorio.upn.edu.pe/  
bitstream/handle/11537/3562  
Norte].  
2
/TESIS%20-NILO-  
FIORELLA_PDF_TOTAL.pdf  
sequence=1&isAllowed=y  
?
Cornejo, E., & Valle, A. (2018).  
Metodología para el uso de  
imágnenes de sistemas de  
aeronaves  
pilotadas  
a
distancia (RPAS) para la  
evaluación de la condición del  
pavimento en la carretera  
tramo Huancayo—Izcuchaca  
km 162+000 al km 163+000  
[
Tesis de grado,Ricardo  
Palma].  
https://repositorio.urp.edu.pe/  
handle/20.500.14138/3411  
Cui, L., Qi, Z., Chen, Z., Meng, F., &  
Shi, Y. (2015). Pavement  
Distress Detection Using  
Random Decision Forests. En  
C. Zhang, W. Huang, Y. Shi,  
P. S. Yu, Y. Zhu, Y. Tian,  
Falcon, K., & Ramon, N. (2023).  
APLICACIÓN  
FOTOGRAMETRÍA  
RPA, PARA ANALIZAR LA  
CALIDAD DEL PAVIMENTO  
DE  
LA  
CON  
373  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Fotogrametría aérea para la identificación de fallas en pavimentos flexibles.  
FLEXIBLE  
EN  
LA  
REPARACIÓN  
(p.  
212)  
CARRETERA LIMACANTA -  
HUALLAY, TRAMO LAGUNA  
[Catálogo]. Departamento de  
administración y evaluación  
7
COLORES - FANTASMA  
CORDILLERA LA VIUDA –  
Tesis de grado, Universidad  
Privada del Norte].  
de  
pavimentos.  
https://www.mopc.gob.do/me  
dia/2335/sistema-  
identifici%C3%B3n-fallas.pdf  
[
https://repositorio.upn.edu.pe/  
bitstream/handle/11537/3562  
Montejo Fonseca, A. (1998).  
Ingeniería de pavimentos  
para carreteras (2a ed).  
2
/TESIS%20-NILO-  
FIORELLA_PDF_TOTAL.pdf  
sequence=1&isAllowed=y  
Universidad  
Colombia.  
Católica  
de  
?
Hoffman, M., & Del Águila, P. (1985,  
octubre). Estudios de  
Morales, J. (2004). Técnicas de  
rehabilitación de pavimentos  
evaluación estructural de  
pavimentos basados en la  
interpretación de curvas de  
de  
concreto  
utilizando  
sobrecapas de refuerzo [Tesis  
de grado, Universidad de  
Piura].  
deflexiones  
(ensayos  
no  
destructivos).  
https://pirhua.udep.edu.pe/ba  
ckend/api/core/bitstreams/93  
https://www.academia.edu/60  
2128/ESTUDIOS_DE_EVAL  
UACION_ESTRUCTURAL_D  
E_PAVIMENTOS_BASADOS  
8
9ab42a-fd28-41f9-b6a2-  
aaad4e3a5d6/content  
5
_
_
EN_LA_INTERPRETACION  
DE_CURVAS_DE_DEFLEX  
P. Zhang, & J. He (Eds.), Data  
Science  
(pp.  
95-102).  
IONES_ENSAYOS_NO_DES  
TRUCTIVOS  
Springer  
Publishing.  
International  
Maeda, H., Sekimoto, Y., Seto, T.,  
Kashiyama, T., & Omata, H.  
Pachón, I. (2016). Evaluación de la  
condición de envejecimiento  
(
2018). damage  
Road  
en  
pavimentos  
flexibles  
detection using deep neural  
mediante  
Espectroradiometría  
técnicas  
de  
y
networks  
captured  
with  
through  
images  
a
clasificación en imágenes  
multiespectrales [Tesis de  
maestria, Universidad Distrital  
Francisco José de Caldas].  
https://repository.udistrital.ed  
u.co/bitstream/handle/11349/  
smartphone.  
arXiv.  
https://doi.org/10.48550/arXiv  
1801.09454  
.
Ministerio de Obras Públicas y  
Comunicaciones.  
IDENTIFICACIÓN  
(1990).  
DE  
2776/Pach%c3%b3nCend  
alesIndiraPaola2016.pdf?seq  
uence=1&isAllowed=y  
FALLAS EN PAVIMENTOS Y  
TÉCNICAS DE  
374  
Fiallos-Iglesias. (2026)  
Pan, Y., Zhang, X., Cervone, G., &  
Yang, L. (2018). Detection of  
asphalt pavement potholes  
and cracks based on UAV  
multispectral imagery. IEEE  
Journal of Selected Topics in  
Applied Earth Observations  
and Remote Sensing, 11(10),  
de mayo de 2024, de  
https://riunet.upv.es/bitstream  
/handle/10251/145903/Ruiz%  
20-  
%20Aplicaci%C3%B3n%20d  
e%20filtros%20morfol%C3%  
B3gicos%20en%20im%C3%  
A1genes.pdf?sequence=1  
3
701–3712.  
Sylvester Inkoom, A. B., John  
Sobanjo, & Niu, X. (2019).  
Prediction of the crack  
https://doi.org/10.1109/JSTA  
RS.2018.2865528  
Peng, C., Yang, M., Zheng, Q.,  
Zhang, J., Wang, D., Yan, R.,  
Wang, J., & Li, B. (2020). A  
condition  
pavements using machine  
learning models. Structure  
of  
highway  
triple-thresholds  
crack detection  
leveraging random structured  
pavement  
method  
and  
Infrastructure  
Engineering, 15(7), 940-953.  
https://doi.org/10.1080/15732  
479.2019.1581230  
forest.  
Building  
Construction  
Materials,  
and  
263,  
Tello, L., Aguirre, M., Díaz, J. P., &  
120080.  
Hernández,  
Evaluación de daños en  
pavimento flexible usando  
F.  
(2021).  
https://doi.org/10.1016/j.conb  
uildmat.2020.120080  
Peña, M., & Zárate, B. (2020).  
Empleo de VANT para  
determinar fallas superficiales  
fotogrametría  
redes  
TecnoLógicas,  
terrestre  
neuronales.  
24(50).  
y
en  
7(2).  
https://revistas.unilibre.edu.co  
index.php/avances/article/vie  
pavimentos  
flexibles.  
https://revistas.itm.edu.co/ind  
ex.php/tecnologicas/article/vi  
ew/1686/1811  
1
/
Vargas,  
C.  
(2018).  
Análisis  
w/6626  
comparativo de la inspección  
visual de un pavimento  
flexible, por los métodos  
tradicional y por sensores  
remotos en un kilómetro de la  
calle séptima en el municipio  
de Cajica Cundinamarca  
[Tesis de grado, Universidad  
Ramírez, L. (2019). Sistema de  
clasificación de severidad de  
daños en pavimentos flexibles  
para  
determinar  
poibles  
intervenciones [Grado, EIA].  
https://core.ac.uk/download/p  
df/232126784.pdf  
Militar  
Nueva  
Granada].  
Ruiz, L. (s. f.). Aplicación de filtros  
morfológicos en imágenes (p.  
https://repository.unimilitar.ed  
u.co/handle/10654/20509  
11). Universidad Politecnica  
de Valencia. Recuperado 24  
375  
Revista Científica ‘‘INGENIAR”: Ingeniería, Tecnología e Investigación. Vol. 9 Núm. (17) 2026. ISSN: 2697-3693  
Fotogrametría aérea para la identificación de fallas en pavimentos flexibles.  
Vasconcelos, R., Fonseca, A.,  
Batista, G., Vinícius, V.,  
Azevedo, B., & Sousa, A.  
Construction, 135, 104111.  
https://doi.org/10.1016/j.autco  
n.2022.104111  
(2021).  
Mapeamento  
de  
manifestações  
patológicas  
em pavimento asfáltico por  
meio de uso de drones. 61-72.  
https://revistaalconpat.org/ind  
ex.php/RA/article/view/521  
Zhang, L., Xu, W., Zhu, L., Yuan, X.,  
&
Zhang, C. (2019). Study on  
Pavement Defect Detection  
Based on Image Processing  
Utilizing UAV. Journal of  
Physics: Conference Series,  
1
168, 042011.  
https://doi.org/10.1088/1742-  
596/1168/4/042011  
6
Zhang, L., Yang, F., Zhang, Y. D., &  
Zhu, Y. J. (2021). Road crack  
detection  
using  
deep  
convolutional neural network.  
IEEE Access, 9, 11382–  
11394.  
https://doi.org/10.1109/ACCE  
SS.2021.3051324  
Zhu, J., Zhong, J., Ma, T., Huang, X.,  
Zhang, W., & Zhou, Y. (2022).  
Pavement distress detection  
using convolutional neural  
networks  
captured via UAV. Automation  
in Construction,  
33, 103991.  
with  
images  
1
https://doi.org/10.1016/j.autco  
n.2021.103991  
Zhu, Z., German, S., & Brilakis, I.  
(2022). Visual inspection of  
asphalt pavement using UAV  
images: A deep learning  
approach.  
Automation  
in  
376