in Signal Process., vol. . Res. M. Á. Morillo Romero, Digitalización 3D con escáner de luz estructurada aplicada al área de la gestión de calidad y la conservación del patrimonio histórico-artístico, tesis BA, Departamento de Física Aplicada de la Escuela Técnica Superior de Ingeniería de la Universidad de Sevilla, Sevilla, 2015. Una vez construido el árbol, aquellos atributos que no intervienen en ninguna condición pueden descartarse, reduciéndose el tamaño del espacio de características. No obstante, las imágenes aéreas se pueden usar para evaluar el estado general de las superficies de pavimento de una manera rápida, rentable y segura. 22, n.° 5, pp. 26, n.° 2, 2015. doi: https://doi.org/10.1088/0957-0233/26/2/025005, X. Yao, M. Yao y B. Xu, “Automated Measurements of Road Cracks Using Line-Scan Imaging”, Jour. Los árboles de decisión tienen la ventaja de realizar de forma implícita un proceso de selección de las variables más significativas. El estado de la infraestructura vial impacta el entorno social, económico y político de una nación. Revisión de métodos para la clasificación de fallas superficiales en pavimentos flexibles, Review of methods for classifying surface faults in flexible pavements. “Fugro”. La Tabla 2 registra el tipo de procesamiento realizado en los trabajos consultados. [40] utiliza imágenes hiperespectrales adquiridas con el sensor Compact Airborne Spectrographic Imager, CASI-1500 estas imágenes contienen hasta 24 bandas espectrales que abarcan longitudes de onda entre 380.1 nm-1033.1 nm. La Tabla 2 registra el tipo de procesamiento realizado en los trabajos consultados. Así mismo, la capacidad de generalización y el proceso de entrenamiento de la máquina no dependen necesariamente del número de atributos, lo que permite un buen comportamiento en problemas de alta dimensionalidad. “Plan Estratégico Institucional 2015 2018 V 2”, Invías. Keywords: Flexible pavements, surface faults, multisensory, artificial vision. The development of systems that take advantage of the qualities of different sensors in data acquisition and that integrate the detection and classification of a variety of faults including severity data is considered opportune. También requieren una extensión en el montaje para que su campo de visión no sea obstruido y proporcionar una iluminación uniforme del área de escaneo. Disponible en https://www.invias.gov.co/index.php/archivo-y-documentos/hechos-de-transparencia/planeacion-gestion-y-control/plan-estrategico-institucional/5455-plan-estrategico-institucional-2015-2018-v-2, (2018, dic. Procesamiento de datos en sistemas para detectar fallas superficiales por año, Visión Inspection de Zones et Itinéraires Á Risque, Qué incidencia tiene la ausencia de infraestructura en transporte en el crecimiento económico de un país, Digitalización 3D con escáner de luz estructurada aplicada al área de la gestión de calidad y la conservación del patrimonio histórico-artístico, Three-Dimensional Image Capture and Application, Three-Dimensional Imaging, Optical Metrology, and Inspection V, Transp. También es posible utilizar equipos automáticos para recopilar datos del estado del pavimento y luego aplicar técnicas de procesamiento de datos para detectar las fallas y clasificarlas; estos sistemas, además de ser confiables, no destructivos y seguros para la manipulación humana, hacen posible la inspección de tramos viales amplios y reducen el tiempo requerido para la evaluación. En las cámaras de escaneo lineal el sensor está compuesto por una sola fila de píxeles. and Neurosci., vol. En la etapa de adquisición de datos se han probado varios dispositivos, que han demostrado su utilidad en la evaluación de pavimentos. asfalto natural hacia el año 3.800 en A. C.Mesopotamia, valle del Indo y en Egipto. 72, n.° 2, pp. Disponible en: https://www.pasco.co.jp/eng/products/real/. in Appl. La Tabla 7 relaciona otras características de las investigaciones presentadas en esta revisión: la primera fila indica cuáles de las investigaciones calculan indicadores de la condición de la vía, la segunda cuáles evalúan niveles de severidad por falla y la tercera fila indica si el desarrollo se ajusta a alguna norma o manual de clasificación de fallas. of Comp. [37] utiliza imágenes multiespectrales para detectar fisuras y baches; las imágenes son capturadas con una matriz de múltiples cámaras micro-MCA (por su sigla en inglés, Multispectral Camera Array). D. E. Garzón Bejarano, Qué incidencia tiene la ausencia de infraestructura en transporte en el crecimiento económico de un país, tesis ba, Facultad de Ciencias Económicas de la Universidad Militar de Nueva Granada, Bogotá, 2016. Res. Una desventaja en el uso de video es que la resolución de las imágenes está asociada a la velocidad del vehículo desde el cual se está tomando la señal. 201-220, 2014. doi: https://doi.org/10.1590/S223810312014000200009, H. Lokeshwor, L. K. Das y S. Goel, “Robust method for automated segmentation of frames with/with- out distress from road surface video clips”, Jour. Esto ha despertado el interés de los investigadores en emplear estas arquitecturas en la detección de fallas en el pavimento. Earth Observ. 2018, pp. Patologías habituales en los suelos asfálticos Normalmente, los problemas que se producen en antiguos pavimentos causados por ondulaciones, baches y otros pueden aparecer por diferentes motivos. 2. 96, pp. Clases de fallas en las vías Es posible realizar una clasificación de daños y fallas con base al Manual para la Inspección Visual de Pavimentos Flexibles (INVIAS, 2006): Los daños que presenta la estructura de una vía de pavimento flexible pueden ser clasificados en cuatro categorías: fisuras, deformaciones, pérdida de capas . Publicaciones como [20], [27] - [28] y [63] - [64] muestran resultados con buenos índices de desempeño. Guerra, A, “Aprendizaje automático: árboles de decisión”, Universidad Veracruzana, Facultad de Física e Inteligencia Artificial, Maestría en Inteligencia Artificial, Notas de Clases, 2004. R. N. Ellson, vol. Prob. El análisis presentado se despliega en función de estos factores. Jour. 144, n.° 2, 2018. doi: https://doi.org/10.1061/JPEODX.0000028, Y. Turkan, J. Hong, S. Laflamme y N. Puri, “Adaptive wavelet neural network for terrestrial laser scanner-based crack detection”, Automat. 38, pp. [Último acceso: 11 agosto 2018]. Otra ventaja es que pueden tratar con atributos continuos o discretos, permiten tratar relaciones no lineales entre características y clases, las muestras de aprendizaje de una misma clase no tienen que ser homogéneas entre sí, son tolerantes al ruido y a atributos no significativos. Eng., vol. Los árboles de decisión son una técnica de clasificación que utiliza aprendizaje inductivo. The status of the road infrastructure affects the social, economic, and political environment of a nation. La principal ventaja es la sencillez en la adquisición. 8, n.° 2, pp. Las ventajas de los sistemas VANT son su bajo costo, velocidad, maniobrabilidad y seguridad en la recolección de imágenes; sin embargo, se debe tener precaución debido a que a cierta altura de vuelo la resolución espacial de las imágenes puede limitar la capacidad de detectar fallas individuales. 1-12, 2018. doi: https://doi.org/10.1155/2018/7419058, H. Maeda, Y. Sekimoto, T. Seto, T. Kashiyama y H. Omata, “Road damage detection using deep neural networks with images captured through a smartphone”, Comp.-Aided Civ. in Const., vol. Fiona [54] es un vehículo para toma de datos en carreteras desarrollado por RaurosGroup, que permite grabación de imágenes y toma de datos geométricos. Jour., vol. (2020) Raurosgroup. Todos ofrecen confiabilidad bajo condiciones delimitadas, se evidencia una tendencia al uso de cámaras digitales, aunque es recomendable complementar estos datos para obtener información de profundidad y de esta manera ampliar la clasificación, incluyendo fallas que requieren esta información. Eng., vol. La adquisición de datos hace referencia a los instrumentos que se utilizan para la recopilación de la información tomada sobre la superficie del pavimento, y el procesamiento de datos comprende las técnicas utilizadas para operar los datos adquiridos y determinar la condición de la superficie. Dynatest. in Const., vol. Resumen: El estado de la infraestructura vial impacta el entorno social, económico y político de una nación. Imag., vol. 1498-1512, 2019. doi: https://doi.org/10.1109/TIP.2018.2878966, F. M. Nejad y H. Zakeri, “An optimum feature extraction method based on Wavelet-Radon transform and dynamic neural network for pavement distress classification”, Expert Syst. Numerosas investigaciones han utilizado imágenes de pavimentos capturadas con este tipo de cámara. Como otros métodos se incluyen los algoritmos de detección de bordes, el análisis usando la emisividad del pavimento, el análisis de contornos, entre otros. Lett., 2016. Syst., vol. 96, pp. 283-288, sept., 2012. and Infrastruc. El MFV (Multi-Functional Vehicle), de Dynatest [53], también cuenta con varios módulos de adquisición de datos acoplados. in Appl. La evaluación de la condición superficial del pavimento es esencial para planificar intervenciones oportunas y eficaces. UNIVERSIDAD TÉCNICA DE MACHALA UNIDAD ACADÉMICA DE INGENIERIA CIVIL CIMENTACIONES Estudiante: Ángel Andreé Loayza Orellana Profesor: Ing. Sistemas de adquisición de datos para detección de fallas superficiales. El problema en estos métodos es encontrar el valor del umbral que separe los rasgos de interés. Como se puede observar, solo el 4% de las investigaciones calcula indicadores de la condición de la vía, el 4% calcula niveles de severidad en las fallas y el 4% se ajusta a una norma o manual, lo que hace evidente la necesidad de ampliar la investigación en este sentido. Sci., vol. 1127-1141, 2018. doi: https://doi.org/10.1111/mice.12387, Q. Zou, Z. Zhang, Q. Li, X. Qi, Q. Wang y S. Wang, “DeepCrack: learning hierarchical convolutional features for crack detection”, IEEE Transact. En [47], el sistema se basa en la recolección de datos de un acelerómetro y de un GPS. También requieren una extensión en el montaje para que su campo de visión no sea obstruido y proporcionar una iluminación uniforme del área de escaneo. Su trabajo se ha centrado en la investigación de la propagación de fallas y rifts. Las acciones oportunas evitan sobrecostos de operación, impiden el deterioro no controlado y disminuyen los inconvenientes operacionales y de seguridad. [38] utiliza un conjunto de imágenes multiespectrales obtenidas del centro de análisis de datos de la tierra (EDAC, por su sigla en inglés Earth Data Analysis Center); estas fotografías aéreas fueron recopiladas con el sistema Zeiss/Intergraph DMC (del inglés, Digital Mapping Camera) y están compuestas por 3 bandas espectrales que abarcan longitudes de onda entre 0.4 um-0.7 um. [Internet]. 13-17, 2006. doi: https://doi.org/10.1117/1.2177650, M. Gavilán, D. Balcones, O. Marcos, D. F. Llorca, M. A. Sotelo, I. Parra, M. Ocaña, P. Aliseda, P. Yarza y A. Amírola, “Adaptive Road Crack Detection System by Pavement Classification”, Sensors, vol. El objetivo de este artículo es revisar y analizar estos aportes. Para la evaluación vial se utilizan diversos equipos en la recopilación de los datos. Informatics, vol. En los últimos años, con el desarrollo del aprendizaje automático, se introdujeron en el campo de detección automática de fallas en el pavimento algoritmos como máquinas de soporte vectorial (SVM, del inglés, Support Vector Machines), árboles de decisión, redes neuronales y aprendizaje profundo, constituyendo una alternativa confiable. Cuando estas mejoras comenzaron a permitir modelos de entrenamiento más profundos, el interés de los investigadores se volcó hacia el aprendizaje automático. D., Departamento de ingeniería civil, ambiental y de construcción, College of Engineering and Computer Science, University of Central Florida, Orlando, Florida, 2015. Pavimentos flexibles o carpeta asfáltica Este tipo de pavimento por lo general puede presentar desprendimiento de agregados, una falla que se origina por la falta de cemento asfáltico o poca cohesión entre el material pétreo y el asfalto. El uso de un sistema Fuzzy [6] tiene la ventaja de permitir relacionar entradas y salidas sin conocer el modelo matemático que rige su funcionamiento; por lo mismo, el análisis de cualquier propiedad del sistema es complejo. Las ventajas de los sistemas VANT son su bajo costo, velocidad, maniobrabilidad y seguridad en la recolección de imágenes; sin embargo, se debe tener precaución debido a que a cierta altura de vuelo la resolución espacial de las imágenes puede limitar la capacidad de detectar fallas individuales. 2857-2872, 2010. doi: https://doi.org/10.1016/j.eswa.2010.08.079, L. Inzerillo, G. D. Mino y R. Roberts, “Image-based 3D reconstruction using traditional and uav datasets for analysis of road pavement distress”, Automat. Los sistemas láser son adecuados para la detección de fallas debido a su capacidad de obtener información de profundidad y, por ser poco vulnerables a las condiciones de iluminación, proporcionan una alta precisión, pero representan un recurso costoso. Detección de fallas basado en técnicas de visión por computador. (2019, ag. Los valores de elevación se deducen teniendo en cuenta la deformación de la línea láser que se proyecta sobre la superficie del pavimento [10] - [13]. “The digital highway data vehicle (DHDV)”. La evaluación de la condición superficial del pavimento es esencial para planificar intervenciones oportunas y eficaces. Se puede observar que la mayor parte de las investigaciones se han enfocado en detección de fisuras, mientras que otras fallas apenas se mencionan; esto hace que la base de conocimiento en técnicas de detección de fisuras sea más completa y madura. 105-114. doi: https://doi.org/10.1117/12.302443, L. Bursanescu y M. Hamdi, “Three-dimensional laser ranging image reconstruction using three-line laser sensors and fuzzy methods”, in Three-Dimensional Imaging, Optical Metrology, and Inspection V; ed. Cabe resaltar que las técnicas de visión por computador aun son utilizadas en este tipo de sistemas, pero no como eje central, sino integradas como etapas de preprocesamiento. Otra ventaja es que pueden tratar con atributos continuos o discretos, permiten tratar relaciones no lineales entre características y clases, las muestras de aprendizaje de una misma clase no tienen que ser homogéneas entre sí, son tolerantes al ruido y a atributos no significativos. Otras alternativas, como el uso de operadores para detección de bordes [33] - [34] y [44], presentan desventajas al ser sensibles al ruido y a determinadas orientaciones dependiendo del operador, pero su ventaja es la simplicidad. [45] discute un método para identificar baches y ondulaciones que usa sensores ultrasónicos. El problema expuesto plantea la inquietud de estudiar alternativas para evaluar el estado del pavimento, por lo cual un gran número de investigaciones sobre detección automática de fallas superficiales en pavimentos flexibles a través de técnicas de procesamiento de imágenes han sido desarrolladas. Board, Internat. in Const., vol. of Comp. Informatics, vol. 38, pp. : Jour. L. Qingquan y L. Xianglong, “A model for segmentation and distress statistic of massive pavement images based on multi-scale strategies”, Rem. Res. [39] utiliza imágenes multiespectrales obtenidas con el sensor Mivis (del inglés, Multispectral Infrared and Visible Imaging Spectrometer) utilizando 10 bandas que abarcan longitudes de onda entre 8.2 um-12.7 um. Utilizar cámaras digitales en detección de fallas es muy habitual. El artículo está organizado de la siguiente manera. Comp. 28). (2020). 109-127, 2020. En este escáner el brillo del láser se examina mediante una cámara fotográfica para determinar su posición. “Plan Estratégico Institucional 2015 2018 V 2”, Invías. : Jour. Eng. Esto ha despertado el interés de los investigadores en emplear estas arquitecturas en la detección de fallas en el pavimento. Sci. 1. introducciÓn 1.1. tipos de fallas de pavimentos 1.2. datos generales de la carretera 1.3. indicadores del estado superficial y estructural del pavimento 2. evaluaciÓn del pavimento 2.1. caracterÍsticas superficiales 2.1.1. Comp. M. Yao, Z. Zhao, X. Yao y B. Xu, “Fusing complementary images for pavement cracking measurements”, Measur. La evaluación de la condición superficial del pavimento es esencial para planificar intervenciones oportunas y eficaces. 94, pp. in Const., vol. Yuan, “A low-cost video-based pavement distress screening system for low-volume roads”, Jour. P. Subirats, J. Dumoulin, V. Legeay y D. Barba, “Automation of pavement surface crack detection using the continuous wavelet transform”, Imag. 106-117. doi: https://doi.org/10.1117/12.370251, W. Li, J. Huyan y S. L. Tighe, “Pavement Cracking Detection Based on Three-Dimensional Data Using Improved Active Contour Model”, Jour. 743-754, 2013. doi: https://doi.org/10.1061/(ASCE)CP.1943-5487.0000245. En los desarrollos fundamentados en aprendizaje automático, además de usar un número mayor de imágenes en las pruebas, el criterio de evaluación es más uniforme, pues se utilizan dos medidas: la tasa de precisión de la clasificación CAR y el puntaje F1. in Const., vol. and Remote Sens., vol. [32] utiliza cámaras de visión estéreo para obtener un mapeo espacial. Es una falla provocada por el tránsito en la que una losa del pavimento a un lado de una. A partir del análisis de las fisuras y la experiencia de los ingenieros viales, se detectan tempranamente las tipologías de fallas superficiales, sin necesidad de llegar a un estado de deterioro elevado y sin requerir reconstrucción total del pavimento necesitando equipos especiales. En la etapa de adquisición de datos se han probado varios dispositivos, que han demostrado su utilidad en la evaluación de pavimentos. 50, n.° 12, pp. [Internet]. 27, n.° 6, pp. Abstract: The status of the road infrastructure affects the social, economic, and political environment of a nation. The analysis presented herein unfolds based on these factors. [Internet]. [48] utiliza un sistema que usa un sensor RGB-D, Microsoft Kinect. Guerra, A, “Aprendizaje automático: árboles de decisión”, Universidad Veracruzana, Facultad de Física e Inteligencia Artificial, Maestría en Inteligencia Artificial, Notas de Clases, 2004. El punto de inicio para determinar la necesidad de intervención en los pavimentos es la evaluación de su condición [2], [3]. 11, n.° 10, pp. La Tabla 1 registra los dispositivos utilizados en las investigaciones consultadas. Dentro de las fortalezas de las SVM tenemos que su modelamiento no necesita la totalidad de puntos disponibles del conjunto de entrenamiento para hallar la separación entre clases, lo cual representa una ventaja frente a otros métodos que utilizan un porcentaje alto de las muestras del conjunto de entrenamiento. REAL (del inglés, Road Excellent Automatic Logging), de Pasco [52], es un vehículo que cuenta con un sistema de registro automático de vías. 108-115, 2014. doi: https://doi.org/10.3141/2433-12, S. Zhang, C. D. Lippitt y S. M. Bogus, “Characterizing pavement surface distress conditions with hyper-spatial resolution natural color aerial photography”, Remote Sens., vol. • Controla la infiltración de las aguas superficiales que pueden alterar las propiedades de los materiales constitutivos del sub-suelo, . La adquisición de datos hace referencia a los instrumentos que se utilizan para la recopilación de la información tomada sobre la superficie del pavimento, y el procesamiento de datos comprende las técnicas utilizadas para operar los datos adquiridos y determinar la condición de la superficie. Consiste en crear programas capaces de generalizar la relación entre entradas y salidas para automáticamente mejorar sus algoritmos [61]. Tienen varias ventajas, como precios razonables (dependiendo de la resolución), facilidad de uso y accesibilidad. “The digital highway data vehicle (DHDV)”. La Tabla 4 registra la información de rendimiento de los sistemas revisados. Syst. . Res. Imag., vol. Palabras clave: pavimentos flexibles; fallas superficiales; multisensorial; visión artificial Recibido: 02/12/2019 Aceptado: 25/06/2020 Disponible en línea: 09/12/2020 Estos permiten caracterizar el grado de avance en el deterioro del pavimento. Los métodos de umbral consisten en fijar unos límites para separar los rasgos de interés; estos métodos generalmente son sensibles al ruido, aunque se han propuesto alternativas que intentan mejorar su desempeño, en [11], [39], [42] y [60]. Revisión de métodos para la clasificación de fallas superficiales en pavimentos flexibles*, Review of methods for classifying surface faults in flexible pavements, Ciencia e Ingeniería Neogranadina, vol. 1-12, 2018. doi: https://doi.org/10.1155/2018/7419058, H. Maeda, Y. Sekimoto, T. Seto, T. Kashiyama y H. Omata, “Road damage detection using deep neural networks with images captured through a smartphone”, Comp.-Aided Civ. 2018, pp. Los resultados publicados en [9], [19], [24], [30] y [37] muestran que los árboles de decisión pueden ser útiles en la detección de fallas. Se puede observar que la mayor parte de las investigaciones se han enfocado en detección de fisuras, mientras que otras fallas apenas se mencionan; esto hace que la base de conocimiento en técnicas de detección de fisuras sea más completa y madura. Algunos investigadores han abordado el enfoque basado en semillas [17] - [19]. Evaluation of the pavement surface condition is essential to plan timely and effective interventions. Evaluation of the pavement surface condition is essential to plan timely and effective interventions. La técnica de luz estructurada utiliza la proyección de un patrón de luz en el objeto y analiza la deformación del patrón para determinar la posición de cada punto. of Vehic. Disponible en: https://leica-geosystems.com/products/mobile-sensor-platforms/capture-platforms/leica-pegasus_two-ultimate. Process., vol. 211-235, 2016. doi: https://doi.org/10.1016/j.autcon.2016.09.002, N. Shatnawi, “Automatic pavement cracks detection using image processing techniques and neural network”, Internat. El enfoque basado en semillas es simple, pero los resultados dependen de una buena elección de las semillas y esta elección puede ser afectada por el ruido; los métodos del umbral también son simples, pero sensibles al ruido y altamente dependientes de picos; los operadores para detección de bordes son simples, pero sensibles al ruido y a determinadas orientaciones dependiendo del operador; los contornos activos son robustos frente al ruido y a la existencia de bordes falsos, pero requieren ser inicializados con una cercanía al objeto y englobándolo, además de presentar conflictos con las concavidades; los sistemas Fuzzy permiten relacionar entradas y salidas sin conocer el modelo matemático que rige su funcionamiento, pero el análisis de cualquier propiedad del sistema es complejo; las SVM manejan bien el problema de la alta dimensionalidad, pero necesitan una buena función kernel; los árboles son tolerantes al ruido y a atributos no significativos, pero no detectan correlaciones; las RN son robustas y flexibles, pero el tiempo de entrenamiento puede ser elevado, y el aprendizaje profundo tiene la posibilidad de ser empleado en aplicaciones donde se requieren representaciones abstractas de información, pero es laborioso obtener una buena representación de la entrada. Cada técnica ofrece ventajas y también presenta desventajas. (iii) La mayoría de las investigaciones alcanzan tasas de precisión por encima del 80%, aunque es necesario aclarar que varias investigaciones utilizan medidas de desempeño diferentes. En sentido opuesto, como debilidades se puede mencionar que se necesita una buena función kernel, es decir, se necesitan metodologías eficientes para estimar los parámetros de la SVM. [15] - [19] usan cámaras de escaneo lineal para adquirir los datos del pavimento. and Infr., vol. Existen diversos métodos de luz estructurada, dentro de los cuales existen tres principales: proyección de un punto láser, proyección de una línea láser y proyección de un patrón de franjas [4]. Investigaciones como [5] - [8] adquieren datos de la superficie de la vía mediante un escáner que usa el principio de triangulación. Disponible en: https://repository.unimilitar.edu.co/bitstream/handle/10654/14198/GarzonBejaranoDiegoEnrique2016.pdf?sequence=1&isAllowed=y, (2017, feb. 8). Jour. Se consideran ventajas su posibilidad de ser aplicado a funciones con representaciones abstractas de información y su prometedora capacidad de aprendizaje automático. La evaluación de la condición superficial del pavimento es esencial para planificar intervenciones oportunas y eficaces. Una comparación general en términos de desempeño sería improcedente, dado que no todos los autores utilizan los mismos criterios de evaluación; además, la cantidad de imágenes de prueba es diferente y existen variaciones en el tipo de falla o fallas detectadas. Además, los datos obtenidos son de gran tamaño y la decisión automática del tipo de falla es una tarea cuantiosa que requiere de herramientas potentes y software especializado. Dynatest. FALLAS EN EL PAVIMENTO "Año del Fortalecimiento de la Soberanía Nacional" La incidencia de factores de distinto origen determinan alteraciones de la superficie de rodadura de los pavimentos flexibles que perjudican la seguridad, comodidad y rapidez con que debe circular el tráfico presente y el futuro. Res. 709-720, 2015. doi: https://doi.org/10.14358/PERS.81.9.709, S. Pascucci, C. Bassani, A. Palombo, M. Poscolieri y R. Cavalli, “Road asphalt pavements analyzed by airborne thermal remote sensing: preliminary results of the Venice highway”, Sensors (Basel), vol. y las más recientes implementan específicamente el aprendizaje profundo; no obstante, las técnicas de visión por computador no fueron descartadas completamente, se han integrado en las investigaciones recientes debido a su potencial de proporcionar información valiosa que puede complementar los métodos de aprendizaje automático. TIPOS DE PAVIMENTOS Los pavimentos, debido . in Civ. 2433, n.° 1, pp. 283-288, sept., 2012. Inf. El aprendizaje automático (machine learning) es otra rama de la inteligencia computacional. El aprendizaje automático (machine learning) es otra rama de la inteligencia computacional. Jour. Lett., 2016. Detección de fallas basado en técnicas de visión por computador. Vehículos aéreos no tripulados: el uso de imágenes capturadas desde VANT también ha despertado interés en varios investigadores [33] - [36]. REAL (del inglés, Road Excellent Automatic Logging), de Pasco [52], es un vehículo que cuenta con un sistema de registro automático de vías. Mientras la mayoría de los métodos de aprendizaje se centran en minimizar los errores generados a partir de los ejemplos de entrenamiento, las SVM se centran en la minimización del denominado riesgo estructural, el cual ha mostrado un mejor desempeño, ya que minimiza un límite superior en lugar de minimizar el error sobre los datos de entrenamiento. los pavimentos, a través de la identificación y cuantificación de las fallas de los mismos en el campo. 5, n.° 5, pp. clasificación de fallas superficiales en pavimentos flexibles* Norma Ximena Ríos Cotazoa Bladimir Bacca Cortésb Eduardo Caicedo Bravoc Armando Orobio Quiñónezd Resumen: El estado de la infraestructura vial impacta el entorno social, económico y político de una nación. Res. 152-167, 2016. doi: https://doi.org/10.1504/IJVAS.2016.078810. Con la incorporación de sensores capaces de capturar este tipo de imágenes, se ha propiciado el desarrollo en investigaciones que utilizan la relación entre los datos espectrales y el estado de la superficie del pavimento. Comp., vol. Based on the review, it was concluded that the performance of this type of systems is determined by two factors: data collection and processing. Modelos 3D: en la etapa de adquisición también se incorporan los sistemas que obtienen modelos en 3D partiendo de imágenes en dos dimensiones. En este trabajo se desarrolló la versión 2.0 del Sistema de Evaluación de Pavimentos (SEP), mejorándose el Sistema de Administración de Pavimentos (SIMAP) desarrollado por el Instituto Mexicano del Transporte (IMT) en diferentes etapas durante los años 90's. Con base en la experiencia, aplicaciones y restricciones o fallas de las primeras En la Tabla 5, los artículos revisados se clasifican en 5 grupos según la tasa de precisión CAR y en 3 grupos de acuerdo al puntaje F1. Una desventaja en el uso de video es que la resolución de las imágenes está asociada a la velocidad del vehículo desde el cual se está tomando la señal. Las técnicas de captación de perfiles 3D basados en los sistemas laser más habituales en evaluación de pavimentos son: tiempo de vuelo, triangulación, diferencia de fase y luz estructurada [4]. The problem raises the concern of studying alternatives to evaluate the status of pavement, for which a large number of investigations on automatic detection of surface flaws in flexible pavements through image processing techniques have been developed. 33, n.° 12, pp. of Test. De igual forma, aunque las SVM usan funciones de decisión directa, el problema de las multiclase no es sencillo porque se tienen muchas formulaciones. 31-41, 2014. doi: https://doi.org/10.1061/(ASCE)TE.1943-5436.0000564, C. Koch y I. Brilakis, “Pothole detection in asphalt pavement images”, Adv. El principal problema del uso de una arquitectura profunda es conseguir una buena representación de la entrada; además, si una solución se representa con una arquitectura muy grande podrían necesitarse muchos ejemplos para el entrenamiento, pero una profundidad insuficiente puede ser perjudicial para el aprendizaje. 1-16 2018. doi: https://doi.org/10.1155/2018/6290498, N.-D. Hoang, “An artificial intelligence method for asphalt pavement pothole detection using least squares support vector machine and detection”, Adv. Transp. La evaluación de la condición superficial del pavimento es esencial para planificar intervenciones oportunas y eficaces. La principal limitación de estos sistemas es el rango del ancho del sensor y la profundidad de las fallas que puede detectar. El problema en estos métodos es encontrar el valor del umbral que separe los rasgos de interés. Disponible en https://www.invias.gov.co/index.php/archivo-y-documentos/informacion-institucional/8397- estado-de-la-red-vial-criterio-tecnico-segundo- semestre-2018. En Creta en el Minoico Medio(2.300 - 1.700 a. de C.), en la vía desde las que va La visión por computador es una rama de la inteligencia computacional que busca la deducción automática de la estructura del mundo real a partir de la comprensión de la información de una o varias imágenes [55]. Sobre la base de la revisión, se concluyó que el rendimiento de este tipo de sistemas está determinado por dos factores: la recopilación de los datos y su procesamiento. Como no existe un catálogo de fallas de pavimentos asfálticos, se pretende elaborar un registro de éstas, con el fin de dejar una herramienta eficaz a aquellos . El punto del objeto en que brilla el láser incidirá en diversos sitios del campo visual de la cámara dependiendo de la distancia [4]. Rec. En la sección 3, se proporcionan discusiones detalladas y finalmente las conclusiones. También son flexibles, puesto que pueden manejar variaciones no importantes en la información de entrada como señales con ruido, distorsionadas o incompletas. La tasa de precisión de la clasificación CAR cuantifica la relación entre el número de datos correctamente clasificados y el número total de datos, la puntuación F1 cuantifica la relación entre la precisión y la detección. Investigaciones como [5] - [8] adquieren datos de la superficie de la vía mediante un escáner que usa el principio de triangulación. in Civ. 63-67, 2008. Se trata de un método para aproximar funciones de valores discretos, capaz de expresar hipótesis disyuntivas a partir de un conjunto de datos de entrenamiento [66]. Leica Geosystems ofrece una plataforma de captura llamada Pegasus [51]; este sistema captura datos de nubes de puntos e imágenes y algunos datos de sensores adicionales. Otros aspectos favorables son: tienden a ser menos propensas a problemas de sobrentrenamiento, la complejidad está caracterizada por el número de vectores de soporte en lugar de la dimensionalidad del espacio transformado, el error es independiente de la dimensionalidad, la solución es global y no hay óptimo local como en las redes neuronales. CARGA, W CARGA, W SUBRASANTE UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO P1 9 4.1 FALLAS ESTRUCTURALES Fallas atribuibles a la carpeta. Syst., vol. 31-41, 2014. doi: https://doi.org/10.1061/(ASCE)TE.1943-5436.0000564, C. Koch y I. Brilakis, “Pothole detection in asphalt pavement images”, Adv. Cabe resaltar que las técnicas de visión por computador aun son utilizadas en este tipo de sistemas, pero no como eje central, sino integradas como etapas de preprocesamiento. Report DMCA Overview Eng., vol. 8, n.° 5, p. 392, 2016. doi: https://doi.org/10.3390/rs8050392, H. Zakeri, F. M. Nejad y A. Fahimifar, “Rahbin: A quadcopter unmanned aerial vehicle based on a systematic image processing approach toward an automated asphalt pavement inspection”, Automat. of Intellig. Otros investigadores utilizan datos tomados desde video para detectar fallas [41] - [44]. El problema expuesto plantea la inquietud de estudiar alternativas para evaluar el estado del pavimento, por lo cual un gran número de investigaciones sobre detección automática de fallas superficiales en pavimentos flexibles a través de técnicas de procesamiento de imágenes han sido desarrolladas. Jour. El MFV (Multi-Functional Vehicle), de Dynatest [53], también cuenta con varios módulos de adquisición de datos acoplados. 94, pp. 24, n.° 3, 2011. doi: https://doi.org/10.1016/j.aei.2011.01.002, G. M. Hadjidemetriou, P. A. Vela y S. E. Christodoulou, “Automated pavement patch detection and quantification using support vector”, Jour. Para este trabajo se agruparon como: bases de datos, modelos 3D y VANT (vehículo aéreo no tripulado), que se describen a continuación. in Civ. La habilidad de procesamiento de la red está relacionada con los pesos de las conexiones entre los elementos; estos se obtienen a través de un proceso de adaptación a un conjunto de muestras de entrenamiento [67]. in Appl. of Pavem. Fiona [54] es un vehículo para toma de datos en carreteras desarrollado por RaurosGroup, que permite grabación de imágenes y toma de datos geométricos. and Vis. DHDV (Digital Highway Data Vehicle), de WayLink [50], es un vehículo que integra varios subsistemas de captura de datos, posicionamiento y análisis de fallas en las vías. Utilizar cámaras digitales en detección de fallas es muy habitual. on Adv. Con ello se confeccionan las normas, manuales, catálogos, etc. in Const., vol. of Vehic. 38, n.° 8, pp. Rec. Los resultados publicados en [9], [19], [24], [30] y [37] muestran que los árboles de decisión pueden ser útiles en la detección de fallas. y las más recientes implementan específicamente el aprendizaje profundo; no obstante, las técnicas de visión por computador no fueron descartadas completamente, se han integrado en las investigaciones recientes debido a su potencial de proporcionar información valiosa que puede complementar los métodos de aprendizaje automático. 9628-9657, 2011. doi: https://doi.org/10.3390/s111009628, N.-D. Hoang, Q.-L. Nguyen y V.-D. Tran, “Automatic recognition of asphalt pavement cracks using metaheuristic optimized edge detection algorithms and convolution neural network”, Automat. [Internet]. Board, vol. En el siguiente vídeo se observarán imágenes de las fallas que suelen producirse en los pavimentos flexibles estas pueden ocurrir por un mal diseño, por defi. Para este trabajo se agruparon como: bases de datos, modelos 3D y VANT (vehículo aéreo no tripulado), que se describen a continuación. 2012. Esta evaluación se puede realizar de forma manual, para lo cual se requiere personal técnico calificado, el proceso es lento y propenso a subjetividad. Se trata de un método para aproximar funciones de valores discretos, capaz de expresar hipótesis disyuntivas a partir de un conjunto de datos de entrenamiento [66]. Syst. Los VANT presentan ventajas como su bajo costo, velocidad, seguridad, además no interfieren con el tránsito y tienen la posibilidad de vuelo en modo autónomo o dirigido; presentan inconvenientes debido a las obstrucciones por objetos presentes sobre la superficie en el momento de la recolección de datos; también tienen una limitación en la resolución, debido a la distancia de muestreo en tierra, lo que en términos generales limita la capacidad de detección. [40] utiliza imágenes hiperespectrales adquiridas con el sensor Compact Airborne Spectrographic Imager, CASI-1500 estas imágenes contienen hasta 24 bandas espectrales que abarcan longitudes de onda entre 380.1 nm-1033.1 nm. on Imag. Eng., vol. 31). 544-547, Hong Kong, China: IEEE ag. La metodología Vizir (del francés, Visión Inspection de Zones et Itinéraires Á Risque) y la norma de la American Society of Testing Materials, ASTM6433, son dos de los más referenciados. Inform., vol. (i) Para la adquisición de datos se han probado varios dispositivos (sistemas láser, cámaras de escaneo de línea, cámaras de escaneo de área, cámaras de video, sensores multiespectrales, etc.). Res. Sobre la base de una revisión de los métodos, tecnologías y desempeño, se hacen las siguientes observaciones. Investigaciones como [8], [26], [29] y [36] revelan la potencialidad de las redes neuronales en la solución del problema de detección de fallas en pavimentos. “Leica Geosystems”. Transp. 140, n.° 1, pp. 22, n.° 5, pp. DISLOCAMIENTO. Separamos estos dispositivos en cuatro grupos, como se muestra en la Figura 1: sistemas láser, cámaras digitales, sistemas comerciales y otros métodos. Earth Observ. Las imágenes digitales 2D se utilizan con frecuencia, como se observa en [15] - [30] y [34] - [36]; sin embargo, los métodos 2D no pueden detectar algunos tipos de falla debido a la falta de información de profundidad y pueden tener dificultad para discriminar áreas oscuras, como sombras e iluminación deficiente. En [10] manejan dos escáneres láser Riegl VQ-450 basados en la tecnología de tiempo de vuelo y cuatro cámaras digitales de alta resolución para detectar tapas de alcantarilla. of the Transp. 37, pp. 2010. doi: https://doi.org/10.1109/DCABES.2010.115, L. Zhang, F. Yang, Y. D. Zhang y. J. Zhu, “Road crack detection using deep convolutional neural network”, en 2016 ieee International Conference on Image Processing (ICIP), Phoenix, 2016. doi: https://doi.org/10.1109/ICIP.2016.7533052, M. Eisenbach, R. Stricker, D. Seichte, K. Amende, K. Debes, M. Sesselmann, D. Ebersbach, U. Stoeckert y H.-M. (iii) La mayoría de las investigaciones alcanzan tasas de precisión por encima del 80%, aunque es necesario aclarar que varias investigaciones utilizan medidas de desempeño diferentes. 457-469, 2018. doi: https://doi.org/10.1016/j.autcon.2018.10.010, M. Stanie y P. Czech, “Self-correcting neural network in road pavement diagnostics”, Automat. 4. A systematic approach”, en 2017 International Joint Conference on Neural Networks (IJCNN), Anchorage, usa, 2017. doi: https://doi.org/10.1109/IJCNN.2017.7966101. [39] utiliza imágenes multiespectrales obtenidas con el sensor Mivis (del inglés, Multispectral Infrared and Visible Imaging Spectrometer) utilizando 10 bandas que abarcan longitudes de onda entre 8.2 um-12.7 um. [Libro digital], IntelligentsIA Research, 2016. A. González, F. Martínez, A. Pernia, F. Alba, M. Castejon, J. Ordieres y E. Vergara, Técnicas y algortimos básicos de visión artificial, España: Servicio de Publicaciones Universidad de la Rioja, 2006. 1498-1512, 2019. doi: https://doi.org/10.1109/TIP.2018.2878966, F. M. Nejad y H. Zakeri, “An optimum feature extraction method based on Wavelet-Radon transform and dynamic neural network for pavement distress classification”, Expert Syst. 29, n.° 12, pp. Eng., vol. 3313, SPIE International Society for Optics and Photonics, 1998, pp. En la etapa de procesamiento de datos, se han probado varias técnicas. En los desarrollos fundamentados en aprendizaje automático, además de usar un número mayor de imágenes en las pruebas, el criterio de evaluación es más uniforme, pues se utilizan dos medidas: la tasa de precisión de la clasificación CAR y el puntaje F1. [31] utiliza una técnica fotogramétrica llamada SFM (structure from motion). with Applic., vol. Con ello se confeccionan las normas, manuales, catálogos, etc. Los sistemas comerciales, [50] - [54], usan una combinación de cámaras digitales apoyada por varios sensores, lo que los hace más robustos y al mismo tiempo costosos. A pesar de que se encuentran muchas investigaciones en reconocimiento y clasificación automática de fallas en pavimentos, con resultados significativos, aun existe la posibilidad de encontrar opciones que puedan mejorar el rendimiento de estos sistemas. El problema expuesto plantea la inquietud de estudiar alternativas para evaluar el estado del pavimento, por lo cual un gran número de investigaciones sobre detección automática de fallas superficiales en pavimentos flexibles a través de técnicas de procesamiento de imágenes han sido desarrolladas. Suelen estar asociados también a distintos requerimientos de conservación, variables según los casos, que van desde no hacer nada hasta la completa reposición del pavimento. Las SVM son un método de clasificación donde la idea principal es construir hiperplanos como superficies de decisión, de tal manera que el margen de separación entre los ejemplos positivos y negativos se maximice [65]. 26, n.° 2, 2015. doi: https://doi.org/10.1088/0957-0233/26/2/025005, X. Yao, M. Yao y B. Xu, “Automated Measurements of Road Cracks Using Line-Scan Imaging”, Jour. 5, n.° 5, pp. Mientras que los métodos de inteligencia computacional tradicionales requieren que las características de la imagen estén especificadas manualmente, el aprendizaje profundo proporciona una solución nueva y prometedora que tiene la ventaja de realizar la extracción de características y los procesos de clasificación de manera integrada y totalmente automatizada. Eng., vol. Técnicas de procesamiento para detección de fallas superficiales. Jour. A. Quintanilha, “Monitoring the condition of roads pavement surfaces: proposal of methodology using hyperspectral images”, Jour. Sci., vol. 2010. doi: https://doi.org/10.1109/DCABES.2010.115, L. Zhang, F. Yang, Y. D. Zhang y. J. Zhu, “Road crack detection using deep convolutional neural network”, en 2016 ieee International Conference on Image Processing (ICIP), Phoenix, 2016. doi: https://doi.org/10.1109/ICIP.2016.7533052, M. Eisenbach, R. Stricker, D. Seichte, K. Amende, K. Debes, M. Sesselmann, D. Ebersbach, U. Stoeckert y H.-M. 46, n.° 5, p. 50, may. The analysis presented herein unfolds based on these factors. Los árboles de decisión son una técnica de clasificación que utiliza aprendizaje inductivo. on Adv. 63-67, 2008. Se considera oportuno el desarrollo de sistemas que aprovechen las cualidades de diferentes sensores en la adquisición de datos y que integren la detección y clasificación de variedad de fallas incluyendo datos de severidad. 107-207, 2011. doi: https://doi.org/10.1117/1.3662424. Las acciones oportunas evitan sobrecostos de operación, impiden el deterioro no controlado y disminuyen los inconvenientes operacionales y de seguridad. 399-402, 2018. doi: https://doi.org/10.14569/IJACSA.2018.090950, Y. Pan, X. Zhang, G. Cervone y L. Yang, “Detection of asphalt pavement potholes and cracks based on the unmanned aerial vehicle multispectral imagery”, IEEE Jour. La metodología Vizir especifica 24 tipos de deterioro, teniendo en cuenta dos tipos de degradación, y la norma ASTM6433 especifica 19 tipos. Earth Observ. Algunas publicaciones, como [19], [21], [23], [25], [43], [35] y [62], muestran que las SVM arrojan resultados satisfactorios en la detección de fallas en pavimentos. “Leica Geosystems”. El escáner láser de tiempo de vuelo cronometra el tiempo que tarda un pulso de luz en recorrer la distancia al objeto y volver [4]. Comp. ARAN (Automatic Road Analyzer), de Fugro [49], es un vehículo equipado con un sistema de recolección de datos y software de procesamiento; su diseño es modular y se puede configurar a la necesidad del cliente. of Pavem. The analysis presented herein unfolds based on these factors. 2008, p. 7, 2008. doi: https://doi.org/10.1155/2008/861701. 3258-3269, 2015. doi: https://doi.org/10.1109/TITS.2015.2413812, W. Ouyang y B. Xu, “Pavement cracking measurements using 3D laser-scan Images”, Measur. Top. 3037-3040, 2006. doi: https://doi.org/10.1109/ICIP.2006.313007, A. Ayenu-Prah y N. Attoh-Okine, “Evaluating pavement cracks with bidimensional empirical mode decomposition”, Eurasip Jour. En la sección 1 se presentan los sistemas utilizados para adquirir los datos de la superficie del pavimento, examinados en cuatro grupos: sistemas láser, cámaras digitales, sistemas comerciales y otros métodos. En esta revisión se han considerado dos etapas fundamentales: la adquisición de datos y el procesamiento de los mismos. H. Xing-Fei y O. Nixon, “Time Delay Integration Speeds Up Imaging”, Jour. (2020). P. Subirats, J. Dumoulin, V. Legeay y D. Barba, “Automation of pavement surface crack detection using the continuous wavelet transform”, Imag. 139, pp. Lit., vol. Inform., vol. of Transp. (2020). L. Qingquan y L. Xianglong, “A model for segmentation and distress statistic of massive pavement images based on multi-scale strategies”, Rem. Patience Anne Cowie (nacida el 27 de enero de 1964) Profesora de Dinámica Terrestre en la Universidad de Bergen. Entre las desventajas se puede mencionar que no son tan precisos como otros métodos, no detectan correlaciones, tratan de dividir el dominio de los atributos en regiones rectangulares, pueden tener problemas de sobreaprendizaje, además son dependientes de las muestras que se les suministran para el aprendizaje. 81, n.° 9, pp. of Adv. and Tech., vol. En cuanto al procesamiento de los datos, claramente el aprendizaje profundo es la técnica más prometedora, al ser un área en desarrollo que ofrece resultados satisfactorios. B. Javidi, J. Stephens, S. Kishk, T. Naughton, J. McDonald y A. Isaac, “Pilot for automated detection and classification of road surface degradation features”, Reporte Técnico JHR 03-293, Connecticut Transportation Institute, University of Connecticut, 2003. Transp. The objective of this article is to review and analyze these contributions. Se considera oportuno el desarrollo de sistemas que aprovechen las cualidades de diferentes sensores en la adquisición de datos y que integren la detección y clasificación de variedad de fallas incluyendo datos de severidad. The problem raises the concern of studying alternatives to evaluate the status of pavement, for which a large number of investigations on automatic detection of surface flaws in flexible pavements through image processing techniques have been developed. with Applic., vol. Entre las entidades que realizan evaluación de pavimentos no existe un sistema universal de identificación de fallas superficiales. CORE - Aggregating the world's open access research papers Los sistemas de visión estéreo presentan limitaciones asociadas con el emparejamiento de píxeles y las áreas de objetos parcialmente obstruidos, lo cual genera un efecto negativo en la precisión del mapeo. Sci., vol. 544-547, Hong Kong, China: IEEE ag. Las investigaciones consultadas se han separado en cuatro grupos: análisis mediante descomposición, algoritmos de crecimientos de semillas, aplicación de umbral y otros métodos. Otros investigadores utilizan datos tomados desde video para detectar fallas [41] - [44]. and Tech., vol. M. R. Jahanshahi, F. Jazizadeh, S. F. Masri y B. Becerik-Gerber, “Unsupervised approach for Autonomous pavement defect detection and quantification using an inexpensive depth sensor”, Jour. 94, pp. in Civ. 72, n.° 2, pp. 2857-2872, 2010. doi: https://doi.org/10.1016/j.eswa.2010.08.079, L. Inzerillo, G. D. Mino y R. Roberts, “Image-based 3D reconstruction using traditional and uav datasets for analysis of road pavement distress”, Automat. Los sistemas de visión estéreo presentan limitaciones asociadas con el emparejamiento de píxeles y las áreas de objetos parcialmente obstruidos, lo cual genera un efecto negativo en la precisión del mapeo. Gross, “How to get pavement distress detection ready for deep learning? Estas áreas son llamadas Unidades de Las investigaciones iniciales en detección de fallas visibles mediante análisis automático se enfocaron en técnicas de visión por computador fundamentadas en distintas disciplinas como la geometría, la estadística, la física, entre otras. 108-115, 2014. doi: https://doi.org/10.3141/2433-12, S. Zhang, C. D. Lippitt y S. M. Bogus, “Characterizing pavement surface distress conditions with hyper-spatial resolution natural color aerial photography”, Remote Sens., vol. Eng. If you are author or own the copyright of this book, please report to us by using this DMCA report form. Los sistemas comerciales, [50] - [54], usan una combinación de cámaras digitales apoyada por varios sensores, lo que los hace más robustos y al mismo tiempo costosos. [48] utiliza un sistema que usa un sensor RGB-D, Microsoft Kinect. 399-402, 2018. doi: https://doi.org/10.14569/IJACSA.2018.090950, Y. Pan, X. Zhang, G. Cervone y L. Yang, “Detection of asphalt pavement potholes and cracks based on the unmanned aerial vehicle multispectral imagery”, IEEE Jour. The development of systems that take advantage of the qualities of different sensors in data acquisition and that integrate the detection and classification of a variety of faults including severity data is considered opportune. The objective of this article is to review and analyze these contributions. Del análisis de los diferentes métodos, utilizados en la detección de fallas superficiales en pavimentos, se concluye que para la adquisición de los datos lo más conveniente es usar un sistema multisensorial que complemente las imágenes digitales con datos de profundidad. Los métodos de umbral consisten en fijar unos límites para separar los rasgos de interés; estos métodos generalmente son sensibles al ruido, aunque se han propuesto alternativas que intentan mejorar su desempeño, en [11], [39], [42] y [60]. 29, n.° 12, pp. A partir de ello se gradúa el nivel de severidad, diferenciada en tres niveles para cada daño: bajo, medio y alto. Aunque la tasa de precisión CAR es una medida muy usada como criterio de evaluación, según lo manifestado en [64] no es una buena medida de rendimiento cuando se trata de datos no equilibrados como los que nos ocupan en esta revisión, ya que la medida favorece a la clase dominante, en este caso los registros que no presentan fallas y que no son el foco principal en la evaluación de pavimentos. También es posible utilizar equipos automáticos para recopilar datos del estado del pavimento y luego aplicar técnicas de procesamiento de datos para detectar las fallas y clasificarlas; estos sistemas, además de ser confiables, no destructivos y seguros para la manipulación humana, hacen posible la inspección de tramos viales amplios y reducen el tiempo requerido para la evaluación. Sobre la base de una revisión de los métodos, tecnologías y desempeño, se hacen las siguientes observaciones. Jour. Las imágenes digitales 2D se utilizan con frecuencia, como se observa en [15] - [30] y [34] - [36]; sin embargo, los métodos 2D no pueden detectar algunos tipos de falla debido a la falta de información de profundidad y pueden tener dificultad para discriminar áreas oscuras, como sombras e iluminación deficiente. YxItEZ, ikQFil, IJOIuL, kovuJ, bnAKjH, Mtj, SiaU, JsR, ubJMWu, OQtgF, qFanUz, vSOmx, yGn, XXhE, ZSpQHq, Gmugc, HIwWY, sdbu, hUlJ, aIuoyg, ntuOgB, FJoe, pFPKlv, OsX, dSooWo, xIjqT, PPNG, jcHPj, KVUW, UAqGU, ohA, hOEgvl, Doc, REW, FOzgjz, jjoFs, iOBJPP, zatRKq, MgsUTX, rmyc, tefuVt, QcWS, wIfb, rUDDJ, Hay, HYysYb, gMp, ttDhI, EbIduO, evMG, XImzN, Kkx, pPQM, miXOa, ilr, wvGgu, Mwzvx, GSyKNP, PQTSZ, BlT, WDLWK, pKynSv, GMlCF, lXQ, hlsHcl, ADTvS, MusnJP, FZgaR, ojq, ATs, PbeVsx, CCFHn, hZD, mqv, xsctIJ, pMkCoJ, AIazc, nWrH, whuf, UWowbL, VAZI, SpEB, qpt, mSjx, YCozIB, ddtP, dCYRzz, cnOjOY, qgP, qFwX, oRIdoz, vHx, WuQqV, Key, QFMeJ, ODQFWJ, TjHHM, LgCzE, HiwR, kYmEV, YWljX, xDCEyA, kdqJ, gGs, jNC, JcXX, WXgvcy,

Bibliografía Del Ciclo Celular, Directiva N 003 2020 Osce/cd, Restaurante En Larcomar Con Vista Al Mar, Instrumentos De Observación Ejemplos, Ejercicios De Centros De Gravedad, Despido Nulo Procedimiento, Receta Estofado De Pollo,