En el Monitoreo de Salud Estructural (SHM) de puentes, evaluar con precisión los daños es crucial para mantener la seguridad y la integridad de una estructura. Uno de los principales desafíos en la evaluación de daños es la localización precisa y la cuantificación de defectos, lo cual es esencial para tomar decisiones de mantenimiento a tiempo y reducir el riesgo de fallos estructurales. Este documento presenta un novedoso método de detección de daños para el SHM de un puente en celosía mediante la combinación de un modelo de Red Neuronal Profunda (DNN) con un algoritmo de Optimización de Conejo Artificial Evolucionado (EVARO). La integración de DNN con la capacidad de búsqueda estocástica del algoritmo EVARO ayuda a evitar mínimos locales, garantizando así resultados más precisos y confiables. Además, la efectividad del algoritmo de optimización se ve potenciada al incorporar características de depredadores evolutivos y el mecanismo de búsqueda de movimiento de Cauchy. El método propuesto se valida primero utilizando varios problemas de referencia de datos, demostrando su efectividad en comparación con otros algoritmos conocidos. En segundo lugar, un estudio de caso que involucra el puente en celosía Chuong Duong bajo diferentes escenarios de daños simulados confirma aún más la superioridad del método propuesto tanto en la localización como en la cuantificación de los daños.