Este estudio propone un método de aprendizaje profundo para la detección de defectos en pavimentos, centrándose en la identificación de baches y grietas. Se recopila un conjunto de datos que comprende 10,828 imágenes, de las cuales 8,662 se asignan para entrenamiento, 1,083 para validación y 1,083 para pruebas. Los datos de actitud del vehículo se categorizan en función de la aceleración en tres ejes y el cambio de actitud, con 6,656 (64%) para entrenamiento, 1,664 (16%) para validación y 2,080 (20%) para pruebas. La Nvidia Jetson Nano sirve como el sistema embebido en el vehículo, transmitiendo datos del vehículo adquiridos por IMU e imágenes capturadas por GoPro a través de una red 5G al servidor. El servidor reconoce dos categorías de daño, bajo riesgo y alto riesgo, almacenando los resultados en MongoDB. Los daños severos generan alertas inmediatas al personal de mantenimiento, mientras que los problemas menos severos se registran para mantenimiento programado. El método selecciona YOLOv7 entre varios modelos de detección de objetos para la detección de defectos en pavimentos, logrando un mAP del 93.3%, una tasa de recuperación del 87.8%, una precisión del 93.2% y una velocidad de procesamiento de 30-40 FPS. Luego se elige Bi-LSTM para el procesamiento de datos de vibración del vehículo, obteniendo un mAP del 77%, una tasa de recuperación del 94.9% y una precisión del 89.8%. La integración de los resultados visuales y de vibración, junto con la velocidad del vehículo y la distancia recorrida, resulta en una tasa de recuperación final del 90.2% y una precisión del 83.7% después de las pruebas de campo.