Detección automática de grietas y fisuras en pavimento por medio de fotos y redes neuronales convolucionales
Loading...
Date
2019-06-11
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Católica de Oriente
Abstract
Las vías son el medio de transporte de personas y carga más importante en Colombia, mantenerlas
en buenas condiciones es una tarea desafiante que requiere como primer paso conocer el estado de
estas. Dentro de los muchos parámetros para medir el estado de las vías, las grietas y fisuras son
uno de los más importantes porque reflejan el estado superficial del pavimento. En este trabajo se
propuso un sistema automático para la detección y segmentación automática de grietas y fisuras
por medio de imágenes del pavimento. Para ello se tomaron 28000 fotos en vías del oriente
antioqueño y se etiquetaron manualmente 4200 con grietas visibles. Se entrenó una arquitectura de
red neuronal convolucional conocida como Mask R-CNN y, estableciendo un valor de certidumbre
del modelo en 0.85, se logró obtener una precisión del 80% con niveles de sensibilidad del 78% y
media de precisión del 77 %. El modelo entrenado tiene un rendimiento sobresaliente cuando las
grietas son grandes, por lo tanto, investigaciones futuras se deben centrar en la detección de grietas
de menor dimensión.
Description
Keywords
Detección de grietas y fisuras, Mask R-CNN, Segmentación de instancias, Redes neuronales convolucionales