Detección de patologías de pavimento flexible mediante imágenes capturadas con Vehículos Aéreos No Tripulados (VANT) aplicando Inteligencia Artificial (IA)
Cargando...
Autores
Tipo de contenido
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
El diagnóstico oportuno y preciso de pavimentos flexibles es esencial para la gestión y el mantenimiento de la red vial. En este escenario, los Vehículos Aéreos No Tripulados (VANT) combinados con técnicas de Inteligencia Artificial (IA) ofrecen un enfoque innovador para la identificación de patologías, con el potencial de transformar los procesos de inspección. Esta investigación comparó la inspección visual de pavimentos del Instituto Nacional de Vías (INVIAS) con una alternativa basada en la detección de objetos a partir de imágenes capturadas con VANT, mediante modelos de detección y segmentación como You Only Look Once (YOLO). El estudio se realizó en la vía La Ceja – Abejorral del departamento de Antioquia, Colombia. Se evaluó la eficiencia en tres variables: tiempo, costo y precisión. Los resultados mostraron que, aunque la inspección visual alcanzó mayor precisión, requirió tiempos de ejecución hasta el doble de los necesarios en la metodología propuesta en esta investigación. La alternativa con VANT e IA, obtuvo precisiones superiores a otros estudios similares que utilizaron detección de objetos y una diferencia de costos despreciable frente al método tradicional, evidenciando un alto potencial de mejora mediante la ampliación del dataset y la inclusión de diferentes contextos viales. En conclusión, la combinación de vehículos aéreos no tripulados con técnicas de aprendizaje automático se perfila como una solución viable y escalable para el diagnóstico de pavimentos, capaz de complementar y, en ciertos escenarios, superar a los métodos convencionales. (texto tomado de la fuente)
Abstract
Timely and accurate diagnosis of flexible pavements is essential for the management and maintenance of road networks. In this context, Unmanned Aerial Vehicles (UAVs) combined with Artificial Intelligence (AI) techniques offer an innovative approach to pathology identification, with the potential to transform inspection processes. This research compared the visual pavement inspection method of the Instituto Nacional de Vías (INVIAS) with an alternative approach based on object detection from UAV-captured images, using detection and segmentation models such as You Only Look Once (YOLO).
The study was conducted on the La Ceja–Abejorral road, located in the department of Antioquia, Colombia. Efficiency was evaluated through three variables: time, cost, and accuracy. Results showed that, although visual inspection achieved higher accuracy, it required execution times up to twice as long as those needed by the proposed methodology at this research. The UAV and AI based approach achieved higher accuracy than other similar object detection studies, while showing negligible cost differences compared to the traditional method. These findings highlight a strong improvement potential through dataset expansion and the inclusion of diverse roadway contexts. In conclusion, the combination of unmanned aerial vehicles and machine learning techniques emerges as a viable and scalable solution for pavement diagnostics, capable of complementing and in certain scenarios, surpassing conventional methods.
Palabras clave propuestas
Descripción
Ilustraciones

