Mapsia : monitorización automatizada de patologías superficiales en pavimientos flexibles mediante algoritmos basados en inteligencia artificial

Abstract

Se ha diseñado un sistema de visión artificial basado en aprendizaje profundo que detecta, localiza, y clasifica defectos. Se ha creado un banco de imágenes con anotaciones con múltiples defectos. Las imágenes se han utilizado para entrenar modelos de detección de objetos y segmentación semántica. Debido al desbalanceo de clases y al costoso etiquetado, se han implementado múltiples modelos generativos condicionales capaces de crear imágenes sintéticas para balancear e incrementar la contribución de defectos minoritarios. Por último, se ha confeccionado un índice de condición del pavimento que actúa como indicador de necesidad de mantenimiento. Todos los resultados se han incluido en una herramienta. Esta tesis propone una metodología innovadora y un sistema de gestión de pavimentos potenciado por Inteligencia Artificial, que permitirá garantizar un mantenimiento de bajo coste, automático, robusto, y eficiente, a las administraciones y empresas de conservación de carreteras.

A deep learning-based computer vision system has been designed to detect, locate, and classify road defects. An image dataset with annotations of multiple distresses has been created. These pictures have been used to train object detection and semantic segmentation models. Due to class imbalance and the costly nature of labeling, multiple conditional generative models capable of creating synthetic images have been implemented to balance and increase the contribution of minority defects. Finally, a pavement condition index has been developed, which acts as an indicator of maintenance needs. All results have been included in a tool. This thesis proposes an innovative methodology, and a pavement management system powered by Artificial Intelligence, which will allow administrations and road maintenance companies to ensure low-cost, automatic, robust, and efficient maintenance.