Presentamos una propuesta de recolección rápida y económica de imágenes de calles que puedan ser analizadas de forma automática por técnicas de machine learning como redes neuronales convolucionales para detectar huecos y estimar su gravedad. Contar con una metodología de esta naturaleza es importante para poder optimizar la destinación de recursos públicos a proyectos y programas de mantenimiento vial que permita reducir la accidentalidad y aumentar la velocidad promedio de los vehículos que transitan por éstas. Para ello, se utilizará un drone que sobrevuele las calles de la zona Industrial de Bogotá contenidas en el polígono definido por los vértices (4.618561, -74.105833), (4.620977, -74.099396), (4.617491, -74.095340) y (4.609813, -74.101928), en coordenadas de longitud y latitud. Se identificará el número de huecos y su posición en cada imagen, creando una base de datos de imágenes de calle con anotaciones a los huecos. Dicha base de datos es de gran valor no solo para Bogotá, sino para la comunidad académica del área de visión por computador en machine learning. Utilizando esta base de datos, se entrenará una red neuronal convolucional con el algoritmo YOLO (you only look once) para detectar automáticamente huecos en las imágenes, y también se entrenará una red neuronal propagada hacia adelante para estimar la gravedad de dichos huecos. Las redes neuronales entrenadas podrán ser utilizadas y extendidas para analizar imágenes aéreas obtenidas con drone para hacer un mapeo de todas las calles de Bogotá y de otras ciudades.