Please use this identifier to cite or link to this item:
https://repositorio.uco.edu.co/jspui/handle/20.500.13064/419
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.rights.license | http://creativecommons.org/licenses/by/3.0/ | - |
dc.contributor.advisor | Castrillón-Osorio, Luis Reinel | spa |
dc.coverage.spatial | Sudamérica , Colombia, Rionegro, Antioquia. | - |
dc.coverage.temporal | 2020 | es_ES |
dc.date.issued | 2019-06-11 | - |
dc.identifier.uri | https://repositorio.uco.edu.co/handle/20.500.13064/419 | - |
dc.description.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. | spa |
dc.format.extent | 18 | es_ES |
dc.format.mimetype | application/pdf | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad Católica de Oriente | es_ES |
dc.relation | Trabajo de grados | es_ES |
dc.rights | info:eu-repo/semantics/closedAccess | spa |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/2.5/co/ | * |
dc.subject | Detección de grietas y fisuras | es_ES |
dc.subject | Mask R-CNN | es_ES |
dc.subject | Segmentación de instancias | es_ES |
dc.subject | Redes neuronales convolucionales | es_ES |
dc.title | Detección automática de grietas y fisuras en pavimento por medio de fotos y redes neuronales convolucionales | es_ES |
dc.type | Research article | es_ES |
dc.description.abstractenglish | Roads are the most important means of transporting people and cargo in Colombia, keeping them in good condition is a challenging task that requires as a first step know their status. Among the many parameters to measure the state of the roads, cracks and fissures are one of the most important because they reflect the surface state of the pavement. In this work an automatic system was proposed for the automatic detection and segmentation of cracks and fissures by means of photos of the pavement. For this, 28000 images were taken on the eastern Antioquia roads and 4200 were manually labeled with visible cracks. A convolutional neural network specifically Mask R-CNN was trained and by setting a certainty value of the model at 0.85 an accuracy of 80% was achieved with sensitivity levels of 78% and mean accuracy of 77%. In general, the model works very well for large cracks, thus, future research should focus to detect small ones. | en |
dc.subject.subjectenglish | Convolutional neural networks | es_ES |
dc.subject.subjectenglish | Cracks and fissures detection | es_ES |
dc.subject.subjectenglish | Instance segmentation | es_ES |
dc.subject.subjectenglish | Mask R-CNN | es_ES |
dc.subject.lemb | Pavimento | es_ES |
dc.subject.lemb | Construción | es_ES |
dc.subject.lemb | Estradas | es_ES |
dc.subject.lemb | Rúas | es_ES |
dc.subject.lemb | Redes neuronales artificiales | es_ES |
dc.subject.lemb | Inteligencia artificial | es_ES |
dc.type.hasversion | info:eu-repo/semantics/acceptedVersion | spa |
dc.audience | Interés General | spa |
dc.rights.accessrights | Restricted Access | spa |
dc.rights.spa | Acceso cerrado | spa |
dc.rights.cc | Atribución-NoComercial-SinDerivadas 2.5 Colombia | * |
dc.publisher.department | Ingeniería | es_ES |
dc.publisher.program | Ingeniería Electrónica | es_ES |
dc.contributor.corpauthor | Universidad Católica de Oriente. Facultad de Ingeniería | es_ES |
dc.identifier.bibliographicCitation | Marín Acevedo, Edwin Alonso. Detención automática de grietas y fisuras en pavimento por medio de fotos y redes neuronales convolucionales(Trabajo de grado) Rionegro, Antioquia; 2019. | es_ES |
dc.type.driver | info:eu-repo/semantics/report | spa |
dc.type.coar | http://purl.org/coar/resource_type/c_46ec | spa |
dc.type.redcol | https://purl.org/redcol/resource_type/TP | spa |
dc.type.local | Tesis/Trabajo de grado - Monografía – Especialización | spa |
Appears in Collections: | Ingeniería electrónica |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Trabajo de grado.pdf Until 2050-12-30 | 711.76 kB | Adobe PDF | View/Open Request a copy | |
Autorización depósito Repositorio Institucional.pdf Until 2050-12-30 | 624.5 kB | Adobe PDF | View/Open Request a copy |
This item is licensed under a Creative Commons License