Aplicación de Redes Neuronales Convolucionales en la identificación y clasificación de barreras metálicas en carreteras de cuerpo único

Abstract

Actualmente en el país la Ingeniería Civil ejecuta muchas actividades manualmente; ya sea medición, evaluación o ejecución las cuales se pueden agilizar con tecnología. Con base en lo anterior, se tomó la decisión de llevar a cabo el presente trabajo de investigación y desarrollo con el fin de eficientar los procesos del inventariado de dispositivos de seguridad en la red carretera estatal con las carreteras secundarias del estado de Guanajuato. La actividad descrita es realizada por la Secretaría de Comunicaciones y Transportes (SCT). La herramienta empleada fue una Red Neuronal Convolucional (RNC) o, por su nombre en inglés, Convolutional Neural Network (CNN). Esta herramienta no pertenece al arsenal habitual del ingeniero civil, pues viene del área de la inteligencia artificial, rama del conocimiento que ha tenido un desarrollo explosivo en estos últimos años. Se eligió este método por su desempeño excepcional en la clasificación de imágenes, al extraer rasgos que facilitan la detección automática de los elementos que le son proporcionados a la red. La implementación se basa en un software que llena el formato de Excel que se utiliza en la SCT. El software se desarrolló en el lenguaje de programación Python. Los resultados obtenidos al inventariar cuatro carreteras secundarias reales fueron una reducción del 90.21 % en el tiempo de ejecución, esto incluye la detección de barreras (o defensas) metálicas y su registro en un formato de Excel. También se logró una exhaustividad del 93 % con la red seleccionada, es decir que de las 232 imágenes de barreras que existían en el conjunto a clasificar de 10,976 imágenes, se lograron registrar y clasificar correctamente 216 incluyendo imágenes con un nivel de obstrucción alto y visibilidad pobre.