Desarrollo de una herramienta digital web para la inspección de puentes, mediante la implementación de redes neuronales CNN y visión por computador para la detección de fisuras y vegetación en dos puentes tipo armadura en Ancash, Perú

• Autores: Maguiña Asis, Milagros Paola, Pascacio Zarzosa, Liz Froylana
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/668053
• Enlace del recurso: http://hdl.handle.net/10757/668053
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Inspección de puentes; Red neuronal convolucional (CNN); Visión por computador; Artificial intelligence; Bridge inspection; Convolutional Neural Network (CNN); Computer vision; http://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.01.01

Para evaluar las condiciones actuales de los puentes, a menudo se utiliza la inspección visual humana. En la práctica, este tipo de inspección se aplica para determinar la condición física, necesidad de mantenimiento o la reconstrucción del proyecto. Asimismo, dependiendo de la lejanía de estos, por lo general, se da un incremento de tiempo y presupuesto en viáticos e implementos para la realización de las inspecciones. Con la finalidad de obtener la automatización en la detección de fisuras y vegetación, parte de la inspección, esta investigación tiene como propuesta el uso de herramientas de visión artificial y aprendizaje profundo (Deep Learning). En consecuencia, los autores implementarán dos páginas web siguiendo la metodología Docker con el fin de brindar una mejor experiencia a los usuarios al interactuar con las herramientas basadas en las redes neuronales convolucional, CNN, y visión por computadora, las cuales muestran la capacidad de detectar grietas en el concreto o pavimento y el desgaste por hongos y vegetación en superficies de la armadura. Finalmente, los resultados se presentan mediante métricas que soportarán la validación del uso de las herramientas.