La revista Measurement publicó el 7 de abril de 2026 una investigación sobre el uso de georadar en asfalto combinado con machine learning para monitorear y evaluar la compactación durante la construcción de pavimentos. El trabajo se centra en una necesidad concreta de las obras viales: conocer la calidad de compactación sin depender solo de ensayos puntuales o destructivos.
La compactación del asfalto influye directamente en la durabilidad de una vía. Si la mezcla queda con vacíos excesivos, puede aparecer ingreso de agua, pérdida de resistencia, deformaciones y deterioro prematuro. Si el control se realiza solo con muestras aisladas, existe el riesgo de no detectar variaciones entre puntos de medición. Por eso, los métodos no destructivos permiten observar una superficie más amplia y tomar decisiones con más información.
El estudio trabaja con radar de penetración terrestre, conocido como GPR o georadar. En términos simples, el equipo emite señales electromagnéticas hacia el pavimento y mide las respuestas que se producen al interactuar con la mezcla asfáltica. Esas respuestas pueden relacionarse con propiedades físicas del material, siempre que exista una metodología adecuada de adquisición, procesamiento e interpretación.
El aporte del artículo está en conectar los datos de georadar con modelos de aprendizaje automático. La idea no es que el algoritmo reemplace el criterio técnico, sino que ayude a reconocer patrones en las señales y a estimar indicadores asociados a la compactación. Esto puede ser útil en proyectos donde se requiere revisar continuidad, detectar zonas heterogéneas y priorizar controles adicionales.
El uso de machine learning en este contexto exige datos de entrenamiento confiables. Para que un modelo funcione, las señales del georadar deben compararse con mediciones de referencia y con condiciones reales de obra. Si los datos base son limitados o no representan bien el terreno, el resultado puede ser menos útil. Por eso, el valor técnico está tanto en el equipo como en la forma de diseñar el levantamiento.
La prospección no destructiva permite revisar más área sin cortar el pavimento en cada punto. En una obra vial, eso puede ayudar a reducir interrupciones, enfocar ensayos destructivos donde realmente aportan información y documentar mejor las variaciones de la mezcla. También puede servir como respaldo para decisiones de aceptación, corrección o seguimiento de calidad.
Para empresas que trabajan en inspección de pavimentos, el enfoque confirma una tendencia: el georadar se está usando no solo para localizar elementos bajo tierra, sino también para evaluar condiciones internas de materiales construidos. En pavimentos, esa lectura debe integrarse con temperatura, tipo de mezcla, humedad, método de compactación y datos de laboratorio.
El estudio no convierte al georadar en una herramienta automática ni universal. Su aplicación depende del tipo de pavimento, de las condiciones de la obra y de la calibración del modelo. Aun así, muestra una ruta concreta para mejorar el control de calidad: obtener datos continuos, analizarlos con criterios reproducibles y usar los resultados para decidir dónde intervenir o verificar con mayor detalle.
En terreno, esta aproximación también puede mejorar la trazabilidad del control de calidad. Un registro continuo de georadar permite asociar tramos, fechas, condiciones de compactación y resultados posteriores en una misma base de información. Para una constructora o una inspección técnica, eso facilita revisar qué sectores cumplen con el criterio esperado, qué sectores requieren verificación adicional y dónde conviene tomar muestras físicas. La ventaja no está en eliminar los ensayos tradicionales, sino en usarlos de forma más selectiva y mejor informada.
La lectura final siempre debe quedar vinculada a la realidad de la obra y a los criterios de aceptación definidos para el proyecto.
Fuente: Measurement / ScienceDirect.
