La inspección y el mantenimiento del acero estructural en infraestructuras críticas constituyen un desafío permanente para la ingeniería, especialmente en entornos de alta exigencia ambiental y operativa como el área que rodea el Canal de Panamá. En este contexto, un equipo de investigadores de la Universidad Tecnológica de Panamá (UTP) desarrolló una innovadora metodología de evaluación no destructiva que integra teledetección hiperespectral e inteligencia artificial para la detección remota de procesos de corrosión en estructuras metálicas.

Desde el punto de vista estructural, la corrosión representa uno de los mecanismos de deterioro más relevantes en elementos de acero expuestos a ambientes agresivos, afectando la sección resistente, la capacidad portante y la vida útil de las estructuras. La metodología desarrollada aborda esta problemática mediante el uso de sensores capaces de capturar un amplio rango del espectro electromagnético, permitiendo identificar materiales y procesos físico-químicos a partir de sus firmas espectrales características. La teledetección hiperespectral posibilita así reconocer variaciones asociadas a productos de corrosión sin necesidad de contacto directo ni intervenciones invasivas sobre la estructura.

El trabajo se apoyó en investigaciones previas que habían demostrado la viabilidad de la tecnología para detectar imperfecciones en cascos de buques, experiencia que permitió construir un repositorio de datos espectrales de productos de corrosión en acero naval y desarrollar la infraestructura tecnológica necesaria para su procesamiento. Sobre esa base, el nuevo estudio amplió el alcance hacia infraestructuras logísticas críticas, como puentes, tanques de almacenamiento y líneas de transmisión, con el objetivo de optimizar la eficiencia y precisión de los procesos de inspección.

Un componente central del proyecto fue la construcción de un diccionario de datos capaz de registrar la progresión espectral de la corrosión en el acero estructural, incluyendo ensayos de corrosión acelerada en laboratorio. A partir de este conjunto de datos, el equipo creó algoritmos de aprendizaje automático capaces de identificar y clasificar imperfecciones superficiales, así como de estimar distintos grados de degradación mecánica asociados a compuestos químicos específicos. Para ello se implementaron técnicas de desmezclado espectral que permiten discriminar la contribución de diferentes fases químicas presentes en la superficie del acero.

La validación incluyó tanto ensayos controlados en laboratorio como mediciones en estructuras reales en campo, confirmando la capacidad de los modelos para detectar y caracterizar procesos corrosivos de manera remota. Este enfoque representa un significativo avance para la ingeniería estructural, ya que posibilita monitoreos periódicos sin interrupción del servicio, reducción de riesgos para el personal inspector y optimización de estrategias de mantenimiento basadas en condición.

En un escenario donde la resiliencia de las infraestructuras críticas constituye un factor decisivo para la seguridad y el desarrollo económico, la incorporación de herramientas de inteligencia artificial y visión hiperespectral ofrece un prometedor camino para fortalecer los sistemas de gestión del deterioro en las estructuras metálicas. La investigación, que contó además con la participación de especialistas de las Facultades de Ingeniería Eléctrica e Ingeniería Mecánica de la UTP, plantea una base que puede escalarse y adaptarse a distintos contextos estructurales, contribuyendo a una ingeniería más preventiva y precisa.