Clasificación del estado superficial de pavimentos rígidos con imágenes digitales y técnicas de inteligencia artificial
A pesar de que existen diferentes métodos de inteligencia artificial para la detección y clasificación de los daños de la infraestructura vial, se evidencia la ausencia de investigación en la gestión y mantenimiento de pavimentos rígidos. La presente investigación se enfoca en establecer un modelo d...
- Autores:
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2023
- Institución:
- Universidad Distrital Francisco José de Caldas
- Repositorio:
- RIUD: repositorio U. Distrital
- Idioma:
- spa
- OAI Identifier:
- oai:repository.udistrital.edu.co:11349/35545
- Acceso en línea:
- http://hdl.handle.net/11349/35545
- Palabra clave:
- Clasificación de imágenes
Aprendizaje profundo
Daños en pavimentos
Firmes
Fisuras
Imagen digital
Imagen de pavimentos
Índice de condición del pavimento (PCI)
Lógica difusa
Mantenimiento vial
Patologías
Pavimento
Python
Procesamiento de imágenes
Redes neuronales artificiales
Rehabilitación vial
Ingeniería Civil -- Tesis y disertaciones académicas
Inteligencia artificial
Infraestructura vial
Pavimentos rígidos
Redes neuronales convolucionales
Image classification
Deep learning
Damage to pavements
Firm
Fissures
Digital image
Image of pavements
Pavement condition index (PCI)
Diffuse logic
Road maintenance
Pathologies
Pavement
Python
Image processing
Artificial neural networks
Road rehabilitation
- Rights
- License
- CC0 1.0 Universal
Summary: | A pesar de que existen diferentes métodos de inteligencia artificial para la detección y clasificación de los daños de la infraestructura vial, se evidencia la ausencia de investigación en la gestión y mantenimiento de pavimentos rígidos. La presente investigación se enfoca en establecer un modelo de inteligencia artificial para la evaluación de deterioros del pavimento rígido por medio de la estimación del índice de serviciabilidad presente (PSI). Se desarrolló un algoritmo de inteligencia artificial, el que procesa datos de imágenes para obtener un valor del índice. Esta investigación se abordó mediante 3 ejes: Se captaron 69 vídeos de diferentes sectores de Bogotá D.C, de los que se obtuvieron una biblioteca de imágenes de 5046 diferentes estados de pavimento rígido. Las cuales fueron clasificadas en grupos de 200 imágenes, por un grupo de Ingenieros con experiencia en la gestión de pavimentos y permitieron alimentar las redes neuronales convolucionales (VGG16, Resnet 50, PROPIA, EfficientNetB0). Las mejores métricas de desempeño, precisión de 75% y perdida de 0.68 se obtuvieron de la implementación de la red preentrenada EfficientNetB0. Este trabajo es un punto de partida para la gestión y mantenimiento de pavimentos rígidos con herramientas tecnológicas novedosas mejorando la cantidad de tiempo y esfuerzo humano empleado cotidianamente. |
---|