CONCLUSIONES:

 Según la limitada data que tenemos de nuestras imágenes de las muestras de

concreto se concluye que las muestras del rango de 273-280 kg/cm2 tienen el
doble de área del poro en comparación con las muestras de concreto del rango
280-295 kg/cm2.
 Fisuración y porosidad en nuestras muestras de concreto son parámetros muy
relevantes que ayudan mediante la programación de la red neuronal a obtener de
una mejor manera la resistencia a la compresión del concreto ya que se perciben
mucho en cada una de las 50 imágenes obtenidas.
 El porcentaje asertivo de nuestros resultados son del 70% aproximadamente, es
decir, ese porcentaje representa el buen camino del proyecto pero que por ahora
está limitado a acercarnos al 100%, ya que para ello tenemos que hacer mucho
más muestras de concreto y así aumentar nuestra data para por consiguiente usar
en la programación de la red.
 También se puede concluir que en la observación de las imágenes tomadas por
el microscopio portátil, se verifica la existencia de mayor número de poros en la
muestra de concreto de 210 kg/cm2 en comparación con la muestra de 280
kg/cm2.
 Para poder crear la Red Neuronal se hizo mediante TensorFlow, la cual es muy
importante poder separar las carpetas de nuestra data en ENTRENAMIENTO y
VALIDACIÓN y de esa manera poder programar la red.
 Es importante el uso del software Imagej ya que ayuda a realizar el mejor
análisis de las partículas que se identifican en las imágenes con el objetivo de
poder cuantificar los poros y las micro fisuras, los cuales son parámetros que
ayudan a diferenciar los dos rangos de resistencia del concreto que tenemos.
 Para una mejor obtención de resultados, es muy relevante tomar captura a las
muestras de concreto realizadas en laboratorio a la superficie más lisa o
estéticamente mejor vista para que así nuestros resultados no se vean alterados.
 Sirvió de mucha ayuda el uso del software MINITAB como parte de la
justificación de nuestros resultados obtenidos mediante la programación de la
Red Neuronal, ya que este programa nos ayudó a identificar y clasificar de mejor
manera los parámetros observados en las imágenes.
 Las gráficas de dispersión tanto de área de poros como porcentaje de poros,
muestran una relación positiva ya que va de forma creciente en el eje “X” como
en el eje “Y”, y su vez una correlación positiva a pesar de observar algunos
puntos que se muestran sin correlacíon ya que se encuentran fuera de la línea de
tendencia.