Ingeniería Electrónica · 2025
Detección de imperfecciones en pavimento utilizando técnicas de procesamiento digital de imágenes y aprendizaje automático. Trabajo de grado
Solo ficha. El repositorio marca este trabajo como «Acceso abierto»: el PDF no es público, así que aquí no hay texto para leer. Ver la ficha en el repositorio.
Resumen
Las imperfecciones en el pavimento son una causa frecuente de accidentes en la vía. Este trabajo propone un sistema basado en aprendizaje automático para detectar y clasificar automáticamente defectos en las vías de Medellín, enfocándose en tres tipos: huecos, grietas y piel de cocodrilo. Para la solución se probaron los modelos YOLOv8 y Faster R-CNN, combinados con técnicas de procesamiento de imágenes como filtros Gaussianos y recálculo del fondo, con el objetivo de mejorar la calidad de los datos de entrada. La metodología consistió en la adquisición de un conjunto representativo de imágenes reales de pavimento en la ciudad, seguido de un preprocesamiento para eliminar interferencias visuales como sombras o cambios bruscos de iluminación. En este proceso, el uso de un filtro Gaussiano con desviación estándar de 40 demostró ser clave para mejorar la claridad de las imágenes antes de ser analizadas por los clasificadores. Los resultados muestran que, a pesar de que YOLOv8 es una arquitectura más ligera que Fast R-CNN, logró una mayor precisión en términos de precisión en las detecciones, además de gozar de una buena velocidad en inferencia. Esto sugiere que arquitecturas más eficientes también pueden ser altamente efectivas, especialmente cuando se aplica un adecuado preprocesamiento, es decir, la calidad de las imágenes juega un papel importante en el resultado final. En conclusión, el filtrado y la mejora de imágenes ruidosas resulta esencial para el rendimiento de sistemas de visión por computador, y constituye una etapa crítica en el desarrollo de soluciones basadas en inteligencia computacional.