Detección y clasificación de grietas en asfalto mediante redes convolucionales y procesamiento de imágenes

Abstract

Los avances tecnológicos, sociales y demográficos demandan garantizar seguridad y calidad en infraestructuras como carreteras y calles. La detección y análisis de grietas es un problema que necesita ser resuelto cada vez con mayor velocidad y precisión debido a que es necesario determinar cuándo y cómo abordar las grietas presentes en miles de kilómetros. El problema a abordar en la memoria contempla las etapas de detección, clasificación y análisis de severidades de grietas presentes en imágenes de carreteras de asfalto capturadas por el equipo Laser Crack Measurement System (LCMS) en Chile. Para la primera etapa se presentan dos propuesta; una basada en técnicas de procesamiento de imágenes de bajo nivel y otra con redes convolucionales. Para la segunda, se presenta una propuesta basada en análisis topológico de componentes conectadas y otro de redes convolucionales. Finalmente, para la tercera, se propone un algoritmo para medir el ancho y severidad de las grietas. Para la etapa de detección, la primera propuesta se basó en la aplicación en serie de distintas técnicas de procesamiento de imágenes de bajo nivel, tales como; TV Chambolle, CLAHE, Histéresis, entre otros. La segunda propuesta se baso en la utilización de la red pix2pix, que fue entrenada con la base de datos CRACK256, creada para objetivos de la memoria. De estas propuestas, la segunda es la presenta mejores resultados, obteniendo un coeficiente de dice de 0.81 y un tiempo promedio de ejecución de 1.58 [s]. Para la etapa de clasificación, la primera propuesta se basó en el análisis topológico de las grietas detectadas, mientras que, la segunda es un modelo convolucional de clasificación; entrenada con un conjunto de imágenes etiquetadas para la memoria. La evaluación se realiza utilizando una matriz de confusión para determinar la precisión de ambas propuestas. De las propuestas presentadas, la primera es la que tiene mejor desempeño y rendimiento, obteniendo una precisión promedio de 80 [%] y tiempo promedio de procesamiento de 0.63 [s]. La última etapa, análisis de severidades, es resuelta con un algoritmo que analiza el grosor de las grietas detectadas, el cual fue evaluado por un experto en el área de severidades de grietas, quien determinó que la efectividad del algoritmo es de al menos un 92 [%] y un tiempo promedio de procesamiento 0.22 [s]. Finalmente, se concluye que los problemas abordados en la memoria fueron resueltos satisfactoriamente. Esto, debido a que las métricas de evaluación obtuvieron un gran desempeño tanto en precisión como en tiempo.