Implementación de un sistema web inteligente que integra una CNN para la detección y el registro automático de deterioros en vías vehiculares pavimentadas, a partir de imágenes capturadas y enviadas por usuarios desde dispositivos móviles

Abstract

La identificación de imperfecciones en las vías de transporte para el mantenimiento de la infraestructura de vías vehiculares pavimentadas es un tema de investigación a nivel mundial, siendo una de las metodologías más recientemente utilizadas la visión computacional, haciendo uso de redes neuronales convolucionales. Esto permite identificar todo tipo de objetos sobre las infraestructuras viales y procesarlos para su evaluación y análisis. En específico, identificar los deterioros en la superficie de rodamiento de las autopistas es un factor importante, ya que permite realizar una evaluación constante de las infraestructuras viales antes de que se generen fallas en estas. Esto reduce gastos económicos, incentiva más el mantenimiento y previene la rehabilitación total de las autopistas, evita accidentes que generen lesiones en los ciudadanos y transmite una buena imagen regional para el turismo, al ofrecer calles seguras y en óptimas condiciones. Este trabajo tiene como objetivo general aplicar visión computacional para la identificación y recolección de información sobre deterioros en las vías vehiculares pavimentadas mediante redes neuronales convolucionales. Para lograr este objetivo: en primer lugar, se recolectaran imágenes para construir y configurar un dataset; en segundo lugar, se adaptaran los datos a las entradas y salidas de la red neuronal MobileNetV2 para proceder a su evaluación, entrenamiento y optimización; en tercer lugar, se configurara un prototipo web que sirva como herramienta para recolectar información sobre los deterioros (geolocalización e imagen) que cualquier ciudadano encontraría en las vías vehiculares pavimentadas; en cuarto lugar, se realizarán pruebas del prototipo en rutas donde abundan los deterioros y fallas en el departamento del Cusco.