Identificación automática de las grietas en pistas de asfalto utilizando procesamiento digital de imágenes

Abstract

En nuestro País las pistas de asfalto en su gran mayoría se encuentran en muy mal estado. Dónde el salitre, las lluvias, las malas prácticas en construcción de pistas de asfalto son las causas principales que dan origen a las grietas en pistas de asfalto. En la actualidad una de las tendencias en las ciencias computacionales es el desarrollar técnicas que faciliten la información para su interpretación en el procesamiento digital de imágenes, ya que si se generan técnicas más eficientes es posible aumentar la exactitud y disminuir la complejidad computacional. Existen otras técnicas actuales que se han generado en investigación para obtener la segmentación como los algoritmos de máxima entropía, el método otsu, el crecimiento por regiones, el umbral global iterativo, los cuales ofrecen mejores resultados para segmentar en distintos niveles, cuya función principal es hacer crecer los pixeles iterativamente utilizando comparaciones entre pixeles con una medida de similitud. Pese al potencial de estos algoritmos de segmentación, tienen una gran cantidad de desventajas al aplicarlos a la carretera. Debido a los entornos dinámicos, iluminación variante y vibración, los algoritmos tienen desventaja porque son muy sensibles al ruido, dependen del punto de inicialización para generar una buena o mala segmentación y al ser iterativos tienden a consumir mucho recurso computacional. La presente investigación, pretende proporcionar una técnica para la realización de procesos cuyo resultado tiene una implicación importante en el proceso digital de imágenes. La construcción del brazo metálico, me permitió captar las imágenes de grietas en pistas de asfalto. El algoritmo de Red Neuronal Convolucional (CNN) tuvo buena performance en los trabajos de investigación relacionados en la clasificación de grietas, por tal motivo se escogió este algoritmo. El procesamiento de las imágenes, aumentando el brillo y aplicando el filtro umbralización binario, permitió visualizar mejor las grietas de asfalto y esto mejoró la identificación del modelo. La realización de la propuesta demuestra que de los resultados alcanzados para el algoritmo de CNN obtuvo 98% de exactitud en tiempo promedio de 85 segundos