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.