Metodología para la identificación automática del deterioro en pavimento flexible, por medio de fotografías aéreas tomadas desde vehículos no tripulados

Cuando las sociedades crecen las carreteras juegan un papel importante en su desarrollo; por lo tanto, el mantenimiento del pavimento, el cual es la base para la construcción de caminos, se hace relevante cuando las vías empiezan a presentar deterioros. Actualmente las inspecciones visuales de la in...

Full description

Autores:
Madroñero Urcuqui, Jaime David
Valencia López, Yury Catalina
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2019
Institución:
Universidad del Valle
Repositorio:
Repositorio Digital Univalle
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.univalle.edu.co:10893/15476
Acceso en línea:
https://hdl.handle.net/10893/15476
Palabra clave:
Ingeniería topográfica
Pavimentos
Identificación automática de deterioros
Fotogrametría
Procesamiento de imágenes
Redes neuronales
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
Description
Summary:Cuando las sociedades crecen las carreteras juegan un papel importante en su desarrollo; por lo tanto, el mantenimiento del pavimento, el cual es la base para la construcción de caminos, se hace relevante cuando las vías empiezan a presentar deterioros. Actualmente las inspecciones visuales de la infraestructura vial se realizan por trabajo de campo, el cual requiere de tiempo y está ligado a las opiniones subjetivas de los inspectores; por consiguiente, en el presente proyecto se desarrolló una metodología para identificar deterioros presentes en el pavimento flexible de manera automática, utilizando técnicas de fotogrametría digital, procesamiento de imágenes y redes neuronales, el trabajo está representado en seis etapas: procesamiento de las fotografías aéreas, extracción de la superficie vial, extracción de características, identificación de grietas y baches, automatización y validación del método y de los resultados; este procedimiento se realizó con el entrenamiento de una red neuronal capaz de identificar baches, grietas y pavimento sano. Este clasificador obtuvo un porcentaje de 98.3% aciertos. La metodología planteada es un acercamiento a la generación de un sistema automatizado para la identificación de baches y grietas en pavimento flexible