Detección, clasificación y geolocalización de grietas en diferentes tipo de material a través de métodos de procesamiento de imágenes

Abstract

Con todos los avances tecnológicos, sumado a un crecimiento poblacional, nace la necesi- dad de garantizar la calidad de las carreteras y calles de hormigón y asfalto. Este problema

busca ser resuelto a través de métodos de detección automática, priorizando la velocidad y precisión del modelo. Para esta tarea, se generó un modelo de clasificación de grietas, llamado EfficientNet, el cual alcanzó una precisión del 77.5 %. Este modelo tiene una gran precisión para predecir el tipo de material y es de gran ayuda para distinguir el tipo de daño que tiene la vía que se está monitoreando. Además, se desarrolló un modelo de detección con YOLOv9, el modelo más actualizado hasta la fecha, alcanzando una mean average precision del 53.3 %. Este resultado es una gran ayuda para apoyar la inspección visual que realizan los inspectores viales.

Para facilitar la tarea del monitoreo de las grietas, se propone una metodología que per- mite localizar e integrar el modelo, utilizando la ubicación proporcionada por un GPS. Para

la mantención de las grietas es necesario conocer su ubicación, ya que, además, es necesario rellenar un formulario que depende del material, tipo de daño y ubicación. Se desarrolló un modelo capaz de discernir entre los tipos de materiales de una vía y los

daños que tienen. Además, se propuso una metodología de recolección de datos, con el obje- tivo de tener un impacto positivo en la seguridad vial de todos los conductores que utilicen

las diferentes rutas, además de brindar un gran apoyo a la inspección vial.