La infraestructura envejecida es un problema amenazante en todo el mundo. La larga exposición al oxígeno y la humedad causa una corrosión prematura de las estructuras de hormigón armado, lo que lleva al colapso de las mismas. Como consecuencia, el monitoreo en tiempo real de las estructuras civiles para detectar óxido se vuelve crítico para evitar accidentes. La tomografía por dispersión de muones es una técnica no destructiva y no invasiva que ha mostrado resultados impresionantes en la imagenología 3D de estructuras civiles. Este artículo explora la aplicación de técnicas avanzadas de aprendizaje automático para identificar un acero de refuerzo oxidado utilizando tomografía por dispersión de muones. Para lograr esto, hemos simulado el rendimiento de un prototipo de imagen, diseñado para llevar a cabo la tomografía por dispersión de muones, para medir con precisión el porcentaje de óxido en un acero de refuerzo oxidado. Hemos producido una imagen 2D basada en los vértices de dispersión 3D proyectados de los muones y utilizado la densidad de los vértices de dispersión y el ángulo de desviación promedio por píxel como el parámetro distintivo para el análisis. Se ha empleado un algoritmo de filtrado, denominado Método de Reconocimiento de Patrones, para eliminar el ruido de fondo. Dado que este problema se reduce a si el material que se está analizando es óxido o no, es decir, un problema de clasificación, hemos adoptado el conocido algoritmo de aprendizaje automático Máquina de Vectores de Soporte para identificar óxido en la estructura de hormigón armado oxidado. Se observó que el modelo entrenado podía identificar fácilmente un 30% de óxido en la estructura con una exposición nominal de 30 días dentro de un pequeño rango de error del 7.3%.