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. 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. 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]. 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. Utilizan medidas como: la raíz del error cuadrático medio RMSE (por su sigla en inglés, Root Mean Square Error), la correlación, la puntuación Hausdorff, diferencias estadísticas, porcentajes de error, porcentajes de acierto, la tasa de precisión de la clasificación CAR (por su sigla en inglés, Classification Accuracy Rate) y la medida de evaluación de desempeño F1. P. Subirats, J. Dumoulin, V. Legeay y D. Barba, “Automation of pavement surface crack detection using the continuous wavelet transform”, Imag. junta presenta un desnivel con respecto a una losa vecina; también puede manifestarse en. En las cámaras de escaneo lineal el sensor está compuesto por una sola fila de píxeles. Earth Observ. [Internet]. [Internet]. Transp. correspondencia con fisuras. Process., vol. Es una falla provocada por el tránsito en la que una losa del pavimento a un lado de una. and Neurosci., 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]. Sci. La metodología Vizir especifica 24 tipos de deterioro, teniendo en cuenta dos tipos de degradación, y la norma ASTM6433 especifica 19 tipos. Las Mediciones de Fallas Superficiales abarcan una gama de deterioros, de la espeleología de grietas y deformaciones en la superficie. En este escáner el brillo del láser se examina mediante una cámara fotográfica para determinar su posición. Los árboles de decisión son una técnica de clasificación que utiliza aprendizaje inductivo. Modelos 3D: en la etapa de adquisición también se incorporan los sistemas que obtienen modelos en 3D partiendo de imágenes en dos dimensiones. Detección de fallas basado en técnicas de visión por computador. 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. 2018, pp. and Remote Sens., vol. 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. P. Subirats, J. Dumoulin, V. Legeay y D. Barba, “Automation of pavement surface crack detection using the continuous wavelet transform”, Imag. Eng., vol. Todos ofrecen confiabilidad y eficiencia bajo ciertas condiciones. 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. of Transp. Syst., vol. Vehículos aéreos no tripulados: el uso de imágenes capturadas desde VANT también ha despertado interés en varios investigadores [33] - [36]. and Spat. Earth Observ. El análisis presentado se despliega en función de estos factores. Los árboles de decisión tienen la ventaja de realizar de forma implícita un proceso de selección de las variables más significativas. En la sección 3, se proporcionan discusiones detalladas y finalmente las conclusiones. Intellig. 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. 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. 743-754, 2013. doi: https://doi.org/10.1061/(ASCE)CP.1943-5487.0000245. Numerosas investigaciones han utilizado imágenes de pavimentos capturadas con este tipo de cámara. 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. 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. Sci., vol. (ii) Para procesar los datos y determinar la condición de la superficie, inicialmente se utilizaron técnicas de visión por computador (descomposición, semillas, umbral, detección de bordes, etc.). Palabras clave: pavimentos flexibles, fallas superficiales, multisensorial, visión artificial. Para la evaluación vial se utilizan diversos equipos en la recopilación de los datos. 4. Res. M. Tan, S. Liang y X. Y. Li, “Design of a low-cost detecting and locating system for pavement distresses based on vibration acceleration signal”, ICIC Expr. 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]. 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. J. Wang y R. X. Gao, “Pavement distress analysis based on dual-tree complex wavelet transform”, Internat. A. Quintanilha, “Monitoring the condition of roads pavement surfaces: proposal of methodology using hyperspectral images”, Jour. A partir de ello se gradúa el nivel de severidad, diferenciada en tres niveles para cada daño: bajo, medio y alto. Inf. Su trabajo se ha centrado en la investigación de la propagación de fallas y rifts. Abstract: The status of the road infrastructure affects the social, economic, and political environment of a nation. Jour. Res. 527-537, 2018. doi: https://doi.org/10.1016/j.aei.2018.09.002, F. Meng y A. Li, “Pavement crack detection using Sketch Token”, Proced. 94, pp. 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. Para mejorar las condiciones de iluminación, [16] y [19] utilizan módulos de iluminación láser; en [15], se eliminan las sombras reconstruyendo la imagen a partir de imágenes complementarias capturadas con dos cámaras. 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. Syst., vol. En [47], el sistema se basa en la recolección de datos de un acelerómetro y de un GPS. 2018, 2018. doi: https://doi.org/10.1155/2018/1312787, N.-D. Hoang y Q.-L. Nguyen, “Fast local laplacian-based steerable and sobel filters integrated with adaptive boosting classification tree for automatic recognition of asphalt pavement cracks”, Adv. En estas cámaras, el sensor está formado por una matriz de píxeles, de manera que una imagen bidimensional correspondiente a un área puede ser generada en un solo ciclo de exposición. 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. 203-213, 2018. doi: https://doi.org/10.1016/j.autcon.2018.07.008, M. H. Yousaf, K. Azhar, F. Murtaza y F. Hussain, “Visual analysis of asphalt pavement for detection and localization of potholes”, Adv. 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. 31). 38, pp. Inform., vol. Prob. 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. 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. 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. 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]. [Internet]. [Libro digital], IntelligentsIA Research, 2016. Res. 5, n.° 5, pp. 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. Como otros métodos se incluyen los algoritmos de detección de bordes, el análisis usando la emisividad del pavimento, el análisis de contornos, entre otros. Separamos estos dispositivos en cuatro grupos, como se muestra en la Figura 1: sistemas láser, cámaras digitales, sistemas comerciales y otros métodos. Esta evaluación se puede realizar de forma manual, para lo cual se requiere personal técnico calificado, el proceso es lento y propenso a subjetividad. El problema en estos métodos es encontrar el valor del umbral que separe los rasgos de interés. 191-202, 2018. doi: https://doi.org/10.1016/j.autcon.2018.06.017, Y. Yu, H. Guan y Z. Ji, “Automated Detection of Urban Road Manhole Covers Using Mobile Laser Scanning Data”, IEEE Transac. 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. Board, Internat. 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. 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. El análisis presentado se despliega en función de estos factores. with Applic., vol. (2020) Raurosgroup. 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. Dynatest. 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. Res. Timely actions avoid operating cost overruns, prevent uncontrolled deterioration and reduce operational and safety inconveniences. Este documento proporciona un análisis del progreso y la investigación en sistemas automáticos utilizados para la detección de fallas superficiales en pavimentos. and Applic., vol. En la Tabla 3, la primera columna corresponde a un intervalo de tiempo en años, la segunda y la tercera columna relacionan el porcentaje de uso de técnicas de visión por computador con el aprendizaje automático en estos intervalos. 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. 28, n.° 3, pp. CARGA, W CARGA, W SUBRASANTE UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO P1 9 4.1 FALLAS ESTRUCTURALES Fallas atribuibles a la carpeta. [Internet]. (iv) La detección de fallas se ha centrado en las fisuras y los baches, dejando clara la necesidad de investigación adicional en métodos que puedan detectar diferentes clases de fallas. 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. 72, n.° 2, pp. Las imágenes se construyen a partir de la secuencia de filas capturadas a medida que el objeto fotografiado va pasando por el campo de visión de la cámara. La principal ventaja del uso de estos equipos es la recolección rápida y confiable de la información. 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. of Select. Eng. and Tech., vol. [Internet]. 4313-4318, 2015. doi: https://doi.org/10.1109/JSEN.2015.2417579, M. Bellone y G. Reina, “Pavement distress detection and avoidance for intelligent vehicles”, Internat. La metodología Vizir especifica 24 tipos de deterioro, teniendo en cuenta dos tipos de degradación, y la norma ASTM6433 especifica 19 tipos. Las acciones oportunas evitan sobrecostos de operación, impiden el deterioro no controlado y disminuyen los inconvenientes operacionales y de seguridad. La investigación es de tipo aplicada tecnológica y el enfoque que se utilizó fue cuantitativo. A systematic approach”, en 2017 International Joint Conference on Neural Networks (IJCNN), Anchorage, usa, 2017. doi: https://doi.org/10.1109/IJCNN.2017.7966101. [Internet]. Sistemas de adquisición de datos para detectar fallas superficiales. Resumen El objetivo de este estudio fue evaluar las fallas superficiales presentes en un pavimento flexible de aproximadamente 500 m de longitud mediante el uso de VANT y demostrar la capacidad de las imágenes capturadas. Sobre la base de una revisión de los métodos, tecnologías y desempeño, se hacen las siguientes observaciones. (2020). En el 2004 McGhee da un buen ejemplo de fallas de pavimentos con sistemas automatizados y técnicas de recolección de experiencias del usuario. 96, pp. of Intellig. La principal ventaja es la sencillez en la adquisición. 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. Multispectral Infrared and Visible Imaging Spectrometer, Técnicas de procesamiento utilizadas en sistemas para detectar fallas superficiales en pavimentos flexibles, según los trabajos consultados. Imag., vol. 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. L. Bursanescu y M. Bursanescu, “Three-line high-power three-dimensional sensor”, in Three-Dimensional Image Capture and Applications; ed. Multispectral Infrared and Visible Imaging Spectrometer, Técnicas de procesamiento utilizadas en sistemas para detectar fallas superficiales en pavimentos flexibles, según los trabajos consultados. Transp. of Vehic. [15] - [19] usan cámaras de escaneo lineal para adquirir los datos del pavimento. 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]. 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. M. Yao, Z. Zhao, X. Yao y B. Xu, “Fusing complementary images for pavement cracking measurements”, Measur. La infraestructura vial constituye un factor de gran influencia en el progreso de una región [1], el mal estado de las vías disminuye la calidad del servicio, aumenta los costos de transporte y afecta la seguridad vial. [Último acceso: 11 agosto 2018]. 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. 63-67, 2008. 11, n.° 10, pp. Timely actions avoid operating cost overruns, prevent uncontrolled deterioration and reduce operational and safety inconveniences. Este tipo de cámara permite obtener imágenes a alta velocidad, pero el aumento de velocidad requiere una iluminación que proporcione una imagen clara con poco tiempo de exposición [14]. M. Tan, S. Liang y X. Y. Li, “Design of a low-cost detecting and locating system for pavement distresses based on vibration acceleration signal”, ICIC Expr. Yuan, “A low-cost video-based pavement distress screening system for low-volume roads”, Jour. “Leica Geosystems”. in Const., vol. En la etapa de adquisición de datos se han probado varios dispositivos, que han demostrado su utilidad en la evaluación de pavimentos. 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. La mayoría de las investigaciones alcanzan tasas de precisión por encima del 80% y un puntaje F1 mayor a 0.8. Para mejorar las condiciones de iluminación, [16] y [19] utilizan módulos de iluminación láser; en [15], se eliminan las sombras reconstruyendo la imagen a partir de imágenes complementarias capturadas con dos cámaras. Eng. De igual forma, aunque las SVM usan funciones de decisión directa, el problema de las multiclase no es sencillo porque se tienen muchas formulaciones. 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. De la información de la Tabla 4, podemos notar que en los desarrollos fundamentados en técnicas de visión por computador los criterios de evaluación utilizados por los autores son muy variados. L. Bursanescu y M. Bursanescu, “Three-line high-power three-dimensional sensor”, in Three-Dimensional Image Capture and Applications; ed. 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. 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. The objective of this article is to review and analyze these contributions. Disponible en: https://repository.unimilitar.edu.co/bitstream/handle/10654/14198/GarzonBejaranoDiegoEnrique2016.pdf?sequence=1&isAllowed=y, (2017, feb. 8). Las acciones oportunas evitan sobrecostos de operación, impiden el deterioro no controlado y disminuyen los inconvenientes operacionales y de seguridad. and Eval., vol. The analysis presented herein unfolds based on these factors. 29, n.° 12, pp. The status of the road infrastructure affects the social, economic, and political environment of a nation. 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. 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. La adquisición debe realizarse usando una buena sincronización para garantizar la confiabilidad del sistema. [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. Spect., vol. and Remote Sens, Técnicas y algortimos básicos de visión artificial, Proceedings - 9th International Symposium on Distributed Computing and Applications to Business, 2016 ieee International Conference on Image Processing (ICIP), International Joint Conference on Neural Networks (IJCNN), Analytical Study of Computer Vision-Based Pavement Crack Quantification Using Machine Learning Techniques, Visor de artículos científicos generados a partir de XML-JATS4R por, https://repository.unimilitar.edu.co/bitstream/handle/10654/14198/GarzonBejaranoDiegoEnrique2016.pdf?sequence=1&isAllowed=y, 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, https://www.invias.gov.co/index.php/archivo-y-documentos/informacion-institucional/8397- estado-de-la-red-vial-criterio-tecnico-segundo- semestre-2018, https://doi.org/10.1016/j.autcon.2018.06.017, https://doi.org/10.1109/TITS.2015.2413812, https://doi.org/10.1088/0957-0233/24/10/105204, https://doi.org/10.1088/0957-0233/26/2/025005, https://doi.org/10.1016/j.imavis.2011.10.003, https://doi.org/10.1016/j.autcon.2018.07.008, https://doi.org/10.1016/j.aei.2018.09.002, https://doi.org/10.1016/j.procs.2018.10.231, https://doi.org/10.1016/j.eswa.2011.01.089, https://doi.org/10.1016/j.eswa.2010.08.079, https://doi.org/10.1016/j.autcon.2018.10.010, https://doi.org/10.1016/j.autcon.2018.09.001, https://doi.org/10.1016/j.autcon.2016.09.002, https://doi.org/10.14569/IJACSA.2018.090950, https://doi.org/10.1109/JSTARS.2018.2865528, https://doi.org/10.1590/S223810312014000200009, https://doi.org/10.1061/(ASCE)TE.1943-5436.0000564, https://doi.org/10.1016/j.aei.2011.01.002, https://doi.org/10.1061/(ASCE)CP.1943-5487.0000724, https://doi.org/10.1080/15472450.2017.1366320, https://doi.org/10.1109/JSEN.2015.2417579, https://doi.org/10.1504/IJVAS.2016.078810, https://doi.org/10.1061/(ASCE)CP.1943-5487.0000245, https://www.fugro.com/our-services/asset-integrity/road-ware/aran-automatic-road-analyzer#tabbed1, https://leica-geosystems.com/products/mobile-sensor-platforms/capture-platforms/leica-pegasus_two-ultimate, https://www.pasco.co.jp/eng/products/real/, https://www.dynatest.com/multifunctional-vehicle-mfv, https://doi.org/10.1109/ICIP.2016.7533052, https://doi.org/10.1109/IJCNN.2017.7966101, Detección de fallas basada en técnicas de visión por computador, Detección de fallas basada en técnicas de aprendizaje automático, Detección acertada fisuras transversales =96.58% Detección acertada fisuras longitudinales=93.74%, Correlación = 0.91 en FLCorrelación =0.96 en FT. Tasa de error de reconocimiento 5.45% y 10,97%. 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. of Adv. El artículo está organizado de la siguiente manera. Prob. Palabras clave: pavimentos flexibles, fallas superficiales, multisensorial, visión artificial. & Remote Sens., vol. S. Mokhtari, Analytical Study of Computer Vision-Based Pavement Crack Quantification Using Machine Learning Techniques, tesis Ph. La captura se realiza con una o varias cámaras fotográficas. 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. If you are author or own the copyright of this book, please report to us by using this DMCA report form. El objetivo de este artículo es revisar y analizar estos aportes. Esto ha despertado el interés de los investigadores en emplear estas arquitecturas en la detección de fallas en el pavimento. 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. 22, n.° 5, pp. 38, pp. 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. 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. 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. 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. 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. of Comp. Publicaciones como [20], [27] - [28] y [63] - [64] muestran resultados con buenos índices de desempeño. 32, n.° 1, 2018. doi: https://doi.org/10.1061/(ASCE)CP.1943-5487.0000724, W. Y. Yan y X.-X. Consiste en crear programas capaces de generalizar la relación entre entradas y salidas para automáticamente mejorar sus algoritmos [61]. 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. Guía De Fallas De Pavimento Rígido Y Flexible - Soluciones Uploaded by: NaylaSb December 2019 PDF Bookmark Download This document was uploaded by user and they confirmed that they have the permission to share it. 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. 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. La Tabla 1 registra los dispositivos utilizados en las investigaciones consultadas. 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. El punto de inicio para determinar la necesidad de intervención en los pavimentos es la evaluación de su condición [2], [3]. 31). of Transp. 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. 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. 37, pp. 2012. Board, vol. Disponible en: Disponible en: https://www.fugro.com/our-services/asset-integrity/road-ware/aran-automatic-road-analyzer#tabbed1. (2019, ag. 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 Fallas originadas en la interfase, carpeta-causas 299-313, 2014. doi: https://doi.org/10.1111/mice.12041, R. Gui, X. Xu, D. Zhang, H. Lin, F. Pu, L. He y M. Cao, “A component decomposition model for 3D laser Scanning Pavement data based on high-pass filtering and sparse analysis”, Sensors, vol. 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]. 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. with Applic., vol. La Tabla 1 registra los dispositivos utilizados en las investigaciones consultadas. of Test. Apropiadas en áreas pequeñas y poco profundas, donde el deterioro de las juntas o grietas se encuentra en la mitad superior de la losa. Lett., 2016. of the Transp. 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. 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. of Transp. Dynatest. De igual forma, se evidencia la necesidad de desarrollar investigaciones para detectar otros tipos de deterioro. 1, n.° 1, pp. Se observa que en los primeros años el problema de detección de fallas se abordó utilizando técnicas de visión por computador, pero en los últimos años las técnicas de aprendizaje automático se convirtieron en las más utilizadas. in Const., vol. Top. on Intellig. El objetivo de este artículo es revisar y analizar estos aportes. La simplicidad del enfoque basado en semillas es su principal ventaja; pero los resultados de la detección dependen de la elección de las semillas, siendo esto una desventaja, ya que el ruido en la imagen puede hacer que las semillas queden mal inicializadas. 17 (2) • DOI 10.18041/1794 . Estos permiten caracterizar el grado de avance en el deterioro del pavimento. Based on the review, it was concluded that the performance of this type of systems is determined by two factors: data collection and processing. and Applic., vol. 152-167, 2016. doi: https://doi.org/10.1504/IJVAS.2016.078810. in Signal Process., vol. El aprendizaje automático (machine learning) es otra rama de la inteligencia computacional. En la etapa de procesamiento de datos, se han probado varias técnicas. 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. 29, n.° 4, pp. 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. The analysis presented herein unfolds based on these factors. 72, n.° 2, pp. 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. Disponible en: http://www.pvision3d.com/Home/DHDV. (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.). Los árboles de decisión tienen la ventaja de realizar de forma implícita un proceso de selección de las variables más significativas. 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. [48] utiliza un sistema que usa un sensor RGB-D, Microsoft Kinect. La principal ventaja del uso de estos equipos es la recolección rápida y confiable de la información. 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. 29, n.° 4, pp. 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]. Rec. Las metodologías Vizir y ASTM, además de clasificar y describir los tipos de daños, también especifican tres niveles de severidad y ofrecen la recomendación para el cálculo de un índice de condición del pavimento. Syst., vol. A favor de las redes neuronales cabe mencionar que son robustas, ya que pueden responder de manera aceptable, aun si fallan algunos elementos de procesamiento. with Applic., vol. Sistemas de adquisición de datos para detección de fallas superficiales. Para la evaluación vial se utilizan diversos equipos en la recopilación de los datos. and Eval., vol. Compañías internacionales han equipado vehículos para capturar datos de la superficie del pavimento con el fin de ofrecer servicios que van desde la recopilación de datos de campo hasta la interpretación y análisis de los mismos. Jour. Los resultados publicados en [9], [19], [24], [30] y [37] muestran que los árboles de decisión pueden ser útiles en la detección de fallas. 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. Jour. 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. on Intellig. (2020). [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. Separamos estas técnicas en dos grupos, como se muestra en la Figura 2: detección de fallas basada en técnicas de visión por computador y detección de fallas basada en técnicas de aprendizaje automático. 50, n.° 12, pp. D., Departamento de ingeniería civil, ambiental y de construcción, College of Engineering and Computer Science, University of Central Florida, Orlando, Florida, 2015. 94, pp. [46] propone un sistema que detecta pequeñas irregularidades en la vía usando sensores de profundidad. [Internet]. 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 . 151-157, 2018. doi: https://doi.org/10.1016/j.procs.2018.10.231, N.-D. Hoang, “Classification of asphalt pavement cracks using laplacian pyramid-cased image processing and a hybrid computational approach”, Comput. 15, n.° 8, pp. 33, n.° 12, pp. 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. También son flexibles, puesto que pueden manejar variaciones no importantes en la información de entrada como señales con ruido, distorsionadas o incompletas. and Infrastruc. Dentro de los aspectos desfavorables generales tenemos que el tiempo de entrenamiento puede ser elevado, el aprendizaje para grandes tareas puede resultar complejo, demandan la definición de varios parámetros antes de aplicar la metodología, pueden tener problemas de sobreaprendizaje y para adicionar nuevo conocimiento es necesario cambiar las interacciones entre muchas unidades de procesamiento. 3701-3712, 2018. doi: https://doi.org/10.1109/JSTARS.2018.2865528, S. Zhang, S. M. Bogus, C. D. Lippitt, P. R. Neville, G. Zhang, C. Chen y V. Valentin, “Extracting pavement surface distress conditions based on high spatial resolution multispectral digital aerial photography”, Photogram. 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. 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. The analysis presented herein unfolds based on these factors. [Internet]. DISLOCAMIENTO. 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]. 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. Eng., vol. 283-288, sept., 2012. El MFV (Multi-Functional Vehicle), de Dynatest [53], también cuenta con varios módulos de adquisición de datos acoplados. 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. Eng. [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. 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. in Const., vol. of Pavem. 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. 1278-1296, 2008. doi: https://doi.org/10.3390/s8021278, M. Ribeiro Resende, L. L. Bariani Bernucci y J. Cada técnica ofrece ventajas y también presenta desventajas. Disponible en: https://repository.unimilitar.edu.co/bitstream/handle/10654/14198/GarzonBejaranoDiegoEnrique2016.pdf?sequence=1&isAllowed=y, (2017, feb. 8). 46, n.° 5, p. 50, may. 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. M. Yao, Z. Zhao, X. Yao y B. Xu, “Fusing complementary images for pavement cracking measurements”, Measur. R. N. Ellson, vol. Las acciones oportunas evitan sobrecostos de operación, impiden el deterioro. The status of the road infrastructure affects the social, economic, and political environment of a nation. Fue galardonada con la medalla Coke de la Sociedad Geológica de Londres en 2016. 203-213, 2018. doi: https://doi.org/10.1016/j.autcon.2018.07.008, M. H. Yousaf, K. Azhar, F. Murtaza y F. Hussain, “Visual analysis of asphalt pavement for detection and localization of potholes”, Adv. 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. La Tabla 4 registra la información de rendimiento de los sistemas revisados. 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. El análisis mediante la transformación de la señal en componentes más representativos siempre ha estado presente en la ingeniería. 2433, n.° 1, pp. The objective of this article is to review and analyze these contributions. 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. in Appl. H. Edwards, How Machines Learn. Estos permiten caracterizar el grado de avance en el deterioro del pavimento. TIPOS DE PAVIMENTOS Los pavimentos, debido . 8, n.° 2, pp. En la Tabla 3, la primera columna corresponde a un intervalo de tiempo en años, la segunda y la tercera columna relacionan el porcentaje de uso de técnicas de visión por computador con el aprendizaje automático en estos intervalos. El análisis presentado se despliega en función de estos factores. Eng., vol. Top. 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. Estos métodos son adecuados cuando hay una clara diferencia entre los rasgos que se desean separar. 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. La presente tesis tiene como objetivo explicar el método PCI (por sus siglas en inglés, Pavement Condition Index) para determinar el Índice de Condición de Pavimento en algunas vías de la ciudad de Barranca, así poder identificar y evaluar el tipo de fallas y/o patologías existentes y cuantificar el estado de las vías. of Comp. [45] discute un método para identificar baches y ondulaciones que usa sensores ultrasónicos. 15, n.° 1, pp. [Internet]. R. N. Ellson, vol. [46] propone un sistema que detecta pequeñas irregularidades en la vía usando sensores de profundidad. • Controla la infiltración de las aguas superficiales que pueden alterar las propiedades de los materiales constitutivos del sub-suelo, . (2020). of Comp. of Adv. 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. 544-547, Hong Kong, China: IEEE ag. 139, pp. Las imágenes multiespectrales proporcionan información sobre las propiedades de la superficie que permiten estimar la condición de la vía; sin embargo, se requiere más investigación para el desarrollo de herramientas que ayuden a sobreponerse a dificultades relacionadas con las variaciones en la reflectividad, causadas por las sombras de la rugosidad de la superficie y la alta circulación en las vías. Otro punto a favor es que para utilizar RN no es necesario conocer los detalles matemáticos, solo se requiere estar familiarizado con los datos de trabajo. Rec. 2. 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. 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. of the Transp. Corresponden a agrietamientos de la carpeta de rodamiento, que encasos simples, no se manifiestan con hundimientos o desplazamientos de . 2018, 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 habitantes de estas regiones lo utilizaronpara impermeabilizar estanques y depósitos de agua o como mortero para unir ladrillos o piedras. De la información de la Tabla 4, podemos notar que en los desarrollos fundamentados en técnicas de visión por computador los criterios de evaluación utilizados por los autores son muy variados. REAL (del inglés, Road Excellent Automatic Logging), de Pasco [52], es un vehículo que cuenta con un sistema de registro automático de vías. 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. También son flexibles, puesto que pueden manejar variaciones no importantes en la información de entrada como señales con ruido, distorsionadas o incompletas. 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. Res. 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. 96, pp. 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. 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. 2, pp. Los sensores multiespectrales también ofrecen una alternativa en la etapa de adquisición de datos. 3313, SPIE International Society for Optics and Photonics, 1998, pp. 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. 18, n.° 7, p. 2294, 15, jul., 2018. doi: https://doi.org/10.3390/s18072294, X. M. Sun, J. P. Huang y W. Y. Liu, “Decision model in the laser scanning system for pavement crack detection”, Optic. 15, n.° 1, pp. En la etapa de adquisición de datos se han probado varios dispositivos, que han demostrado su utilidad en la evaluación de pavimentos. Disponible en: http://www.raurosgroup.com/Servicios. in Civ. Board, vol. las investigaciones de los últimos años se han enfocado en los sistemas que utilizan aprendizaje automático (SVM, árboles de decisión, redes neuronales, etc.) 94, pp. A. Quintanilha, “Monitoring the condition of roads pavement surfaces: proposal of methodology using hyperspectral images”, Jour. of the Transp. 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]. in Appl. Sci. “The digital highway data vehicle (DHDV)”. 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. 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 . 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. 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. Autonom. La Tabla 6 registra el tipo de falla detectada y el porcentaje de detección. Res. 27, n.° 6, pp. J. Lin y. Liu, “Potholes detection based on svm in the pavement distress image”, en Proceedings - 9th International Symposium on Distributed Computing and Applications to Business, Engineering and Science (dcabes), pp. Guerra, A, “Aprendizaje automático: árboles de decisión”, Universidad Veracruzana, Facultad de Física e Inteligencia Artificial, Maestría en Inteligencia Artificial, Notas de Clases, 2004. 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. in Const., vol. 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. and Vis. De igual forma, se evidencia la necesidad de desarrollar investigaciones para detectar otros tipos de deterioro. 38, n.° 8, pp. Utilizan medidas como: la raíz del error cuadrático medio RMSE (por su sigla en inglés, Root Mean Square Error), la correlación, la puntuación Hausdorff, diferencias estadísticas, porcentajes de error, porcentajes de acierto, la tasa de precisión de la clasificación CAR (por su sigla en inglés, Classification Accuracy Rate) y la medida de evaluación de desempeño F1. Probablemente, las patologías habituales en los suelos asfálticos se deben a un proyecto desacertado basado en las mezclas asfálticas . 2018, pp. 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. Bases de datos: algunos investigadores no entregan detalles sobre los dispositivos de adquisición, utilizan imágenes 2D almacenadas en bases de datos y se enfocan en elaborados algoritmos de procesamiento [20] - [30]. Una vez construido el árbol, aquellos atributos que no intervienen en ninguna condición pueden descartarse, reduciéndose el tamaño del espacio de características. Investigaciones como [5] - [8] adquieren datos de la superficie de la vía mediante un escáner que usa el principio de triangulación. Estos métodos comparten dos pasos comunes: se extraen los puntos que probablemente pertenezcan a una falla (puntos semilla) y se unen los caminos entre semillas mediante técnicas de crecimiento. A diferencia de las imágenes digitales habituales que generalmente tienen uno o tres canales que proporcionan características espectrales limitadas, las imágenes multiespectrales tienen una amplia cobertura de longitud de onda que proporciona características espectrales detalladas.