Detección y monitoreo de deformaciones en túneles viales en operación en base a visión computacional

Abstract

La conectividad representa un pilar esencial para el desarrollo territorial, donde los túneles viales han desempeñado un papel fundamental dentro de la red de transporte nacional. La Autopista Vespucio Oriente (AVO) en Santiago, que enfrenta problemas de filtraciones de agua, ejemplifica los desafíos de mantenimiento y seguridad en estas infraestructuras. En consecuencia, este trabajo busca proponer el diseño de un sistema de monitoreo de grietas y filtraciones de agua en túneles viales en operación, mediante técnicas de visión computacional con un enfoque combinado de modelos especializados, utilizando un modelo para la detección inicial y otro para la clasificación detallada.

Para la tarea de detección, se entrena un modelo YOLOv8 optimizado para identificar grietas y filtraciones de agua con alta precisión. Para la clasificación, se entrena un modelo EfficientNetB0 capaz de categorizar las deformaciones en cinco clases: grietas leves, moderadas, severas, filtraciones de agua y áreas sin deformaciones.

Para entrenar y evaluar los modelos, se emplean fuentes de datos públicas para generar bases de datos específicas para el desarrollo de cada modelo. Los datasets se dividen en conjuntos de entrenamiento, validación y prueba siguiendo una proporción de aproximadamente 80\%, 10\% y 10\%, respectivamente.

Los resultados muestran que el modelo de detección YOLOv8 obtiene un mAP promedio del 95.2\% en el conjunto de prueba, con un tiempo de inferencia de 2.9 ms por imagen. Por otro lado, el modelo de clasificación EfficientNetB0 logra una precisión del 99.58\% en el conjunto de prueba.

Se propone un sistema de monitoreo integral que combina grabaciones de video de alta resolución, sensores de odometría y datos GPS, en el que se integran los modelos desarrollados. Este sistema está diseñado para permitir una localización precisa de las deformaciones y ofrece una interfaz de usuario intuitiva para el monitoreo y la generación de reportes automáticos. La integración de los modelos propuestos tiene el potencial de reducir falsos positivos, mejorando así la precisión y fiabilidad del monitoreo.

Se desarrollan exitosamente modelos de detección y clasificación de deformaciones, proponiendo un sistema de monitoreo que mejora la precisión y eficiencia del mantenimiento de túneles viales. Este enfoque tiene el potencial de impactar positivamente en la seguridad vial y la durabilidad de estas infraestructuras críticas.