En un país donde los sismos son una certeza, una innovación desarrollada por la Universidad Nacional de Ingeniería (UNI) podría marcar un antes y un después en la manera en que se evalúan los daños tras un terremoto. Un equipo del CISMID creó una herramienta que utiliza inteligencia artificial (IA) para analizar fotografías de muros afectados y estimar el nivel de daño con una precisión nunca antes alcanzada.
El proyecto, desarrollado en el Centro Peruano Japonés de Investigaciones Sísmicas y Mitigación de Desastres (CISMID) de la Facultad de Ingeniería Civil (FIC) de la UNI, introdujo un enfoque novedoso y automatizado que combina visión computacional e ingeniería estructural.
La herramienta opera en dos fases:
Primero, un análisis fotográfico automático: identifica y cuantifica las grietas visibles en muros afectados por un sismo, utilizando técnicas de aprendizaje profundo (deep learning).
Seguidamente realiza la estimación del daño real, es decir, correlaciona los datos de fisuras con resultados obtenidos en ensayos de laboratorio, permitiendo determinar el nivel de daño con base científica.
¿Por qué es tan importante?
Como se recuerda, el Perú se encuentra en el Cinturón de Fuego del Pacífico, una de las zonas sísmicas más activas del planeta. Solo en los últimos 20 años, el país vivió terremotos significativos como el de Pisco (2007), el de Loreto (2019) y el reciente sismo de 6.1 grados en Lima y Callao (2024), que afectaron miles de viviendas.
En ese contexto, la herramienta desarrollada por la UNI no solo busca acelerar la evaluación estructural después de un sismo, sino también proteger a los ingenieros y técnicos que suelen estar expuestos a edificios colapsados o inestables.
“Durante más de 35 años en el laboratorio de estructuras del CISMID hemos reproducido y medido el daño que causa un terremoto. Ahora hemos introducido un nuevo parámetro que se llama ratio de longitud de grietas, el cual hemos correlacionado con el nivel del daño observado en experimentos”, indicó el Dr. Miguel Díaz, líder del equipo.
Un equipo multidisciplinario
El desarrollo de esta herramienta no solo representa un avance tecnológico, sino también un logro colectivo. El equipo estuvo conformado por los ingenieros Luis López, Michel Amancio, Italo Inocente, Jhianpiere Stainer, Sergio Isuhuaylas, Erika Flores y Edisson Moscoso.
“Es una gran satisfacción no solo por liderar el proyecto, sino por formar parte de un equipo en el que trabajan juntos expertos en ensayos de laboratorio, procesamiento de datos, comportamiento estructural e inteligencia artificial. Está conformado por estudiantes y profesores que aprenden unos de otros, en un verdadero trabajo colaborativo. Porque la tecnología, por sí sola, no es suficiente; necesita del conocimiento y la experiencia. Y eso es precisamente lo que hemos construido juntos”, manifestó.
Aplicación directa en emergencias
Esta tecnología se aplica principalmente a muros de mampostería confinada, que representan más del 80% de las viviendas en Lima y Callao. Tras un sismo, bastaría tomar fotos específicas de los muros para que el sistema pueda determinar el nivel de daño estructural, sin necesidad de equipos sofisticados ni evaluaciones prolongadas.
Además, el sistema tiene potencial para ser usado en zonas rurales o de difícil acceso, donde el personal especializado no siempre llega a tiempo.
“A partir de este nivel de daño nosotros podemos tomar muchas decisiones. Por ejemplo, si la familia puede regresar a habitar sus viviendas o si deben ir a los refugios. Esta herramienta ayuda a tomar decisiones oportunas como si se debe demoler o rehabilitar la vivienda”, precisó Díaz.
Este proyecto fue publicado en la revista científica internacional Applied Sciences, donde se destaca su innovación en la evaluación post-sísmica. Puedes leer el artículo completo aquí.
Un futuro más seguro
En un país con alta vulnerabilidad sísmica, herramientas como esta representan un paso clave hacia la gestión de desastres más eficiente y humana. Con innovación peruana y ciencia aplicada, la UNI busca que ninguna familia quede desprotegida tras un temblor, según señala el equipo investigador.
