Search

[ES] El envejecimiento de las infraestructuras hace de suma importancia el desarrollo de herramientas eficaces y rápidas en el área de patología estructural que permitan detectar potenciales patologías estructurales. Esto permite actuar rápidamente y evitar la degradación de la estructura y posteriores fallos. En este contexto, este TFM tiene como objetivo desarrollar una herramienta de deep learning basada en redes neuronales convolucionales para la detección automática de fisuras en superficies de hormigón. De esta manera y para cumplir con el objetivo propuesto, se utilizó el aprendizaje por transferencia, una de las técnicas más importantes del deep learning para el aprendizaje automático en inteligencia artificial, que consiste en la modificación de algunos patrones ya entrenados de las redes neuronales, que reconocen una serie de características generales para reconocer otras más específicas. En consecuencia, en este trabajo se comparó la efectividad, precisión y tiempo de procesamiento de tres arquitecturas de redes neuronales convolucionales (GoogleNet, AlexNet y SqueezeNet) que se entrenaron con dos bases de datos (SDNET2018 y METU) para detectar específicamente fisuras de hormigón mediante la técnica del fine tunning, con el fin de escoger solo una red que lograra identificar las fisuras de forma eficaz. Así, los resultados muestran que con Googlenet se clasifican las imágenes fisuradas y no fisuradas con una tasa de éxito del 93% . Además, se logra detectar una grieta dentro de una región de interés delimitada y se consigue determinar el momento de aparición de una fisura analizando un video de rotura de una viga. Por consiguiente y mediante este proceso, se generó una herramienta que es el punto de partida para la detección de fisuras y que, con un mayor desarrollo en el futuro, permitirá clasificar automáticamente patologías en estructuras de mediante una red neural entrenada., [EN] The aging of infrastructures makes the development of fast and effective measures, that will allow for the detection of potential structural pathologies, in the field of structural pathology, essential. This makes it possible to act fast, thus avoiding the degradation of the structure and any following malfunction. In this context, this master's thesis aims at developing a deep learning tool based on convolutional neuronal networks for the automatic detection of fissures on concrete surfaces. Thus, and with the aim of achieving the proposed objective, transfer learning was used, one of the most important deep learning techniques for artificial intelligence applied to automatic learning. It consists of the modification of some ¿ already learnt- patterns of neuronal networks, recognizing certain general characteristics in order to then recognize some more specific ones. Consequently, this work compared the efficacy, precision, and processing time of three convolutional neuronal networks architectures (GoogleNet, AlexNet y SqueezeNet), which were gathered from two databases (SDNET2018 y METU) to specifically find fissures in concrete through the fine-tuning technique, with the aim of choosing one network that could effectively complete the new classification task. Thus, the results show that GoogleNet classifies fissured and non-fissured images with a 90% success rate. Moreover, it can detect a crack on a limited region of interest and determine the moment in which a fissure will appear by analyzing a video of the rupture of a rafter. Consequently, through this process, a toll was generated, that will be the starting point for the detection of fissures, and that, with further development, in the future will be able to automatically classify structural pathologies through a trained neuronal network.

ResumenEste trabajo está enfocado a la obtención de resultados numéricos que permitan la detección y caracterización de grietas sub-superficiales en sólidos mediante la incidencia de ondas elásticas de Rayleigh. Los resultados se obtienen a partir de ecuaciones integrales de frontera, que pertenecen al campo de la elastodinámica. Una vez que se aplican las condiciones de frontera se obtiene un sistema de ecuaciones integrales del tipo Fredholm de segunda especie y orden cero, el cual es resuelto mediante eliminación gaussiana. El método que se emplea para la discretización de dichas ecuaciones es conocido como «método indirecto de elementos frontera», el cual puede ser visto como una derivación del teorema clásico de Somigliana. A partir de los análisis realizados en el dominio de la frecuencia emergen picos de resonancia que permiten inferir la presencia de grietas mediante los cocientes espectrales. Se analizaron varios modelos de medios agrietados donde se pretende evidenciar la gran utilidad que presenta el uso de los cocientes espectrales para identificar grietas. Se estudiaron los efectos de la orientación y la localización de las grietas. Los resultados obtenidos presentan buena concordancia con los publicados previamente.AbstractThis work is focused on the finding of numerical results for detection and characterization of sub-surface cracks in solids under the incidence of Rayleigh's elastic waves. The results are obtained from boundary integral equations, which belong to the field of dynamics of elasticity. Once applied the boundary conditions, a system of Fredholm's integral equations of second kind and zero order is obtained, which is solved using Gaussian elimination. The method that is used for the solution of such integral equations is known as the Indirect Boundary Element Method, which can be seen as a derivation of the Somigliana's classic theorem. On the basis of the analysis made in the frequency domain, resonance peaks emerge and allow us to infer the presence of cracks through the spectral ratios. Several models of cracked media were analyzed, where analyses reveal the great utility that displays the use of spectral ratios to identify cracks. We studied the effects of orientation and location of cracks. The results show good agreement with the previously published.

Las grietas son el principal daño en la superficie del pavimento, porque de estas se derivan los demás tipos de deterioros. La mayoría de grietas en imágenes de pavimento se encuentran con objetos no deseados y desconectadas. Para resolver este problema, se aplica el filtro mediana, para el suavizado de la imagen; el ajuste de contraste, para realzar la grieta; la segmentación, aplicando la media y la desviación estándar de los niveles de gris, para delimitar las grietas; el procesamiento morfológico, para fusionar separaciones estrechas; la eliminación de grietas falsas, aplicando características geométricas y descriptores de forma; y la conexión de grietas, para obtener grietas continuas. Los resultados experimentales fueron obtenidos de las imágenes de pavimento captadas por el sistema semiautomático y el algoritmo generador implementado. Las pruebas demostraron que las grietas fueron detectadas, con una sensibilidad de 81,72% y una especificidad de 99,96% para las imágenes captadas Cracks are the main damage to the surface of the pavement, because these are the other types of damage. Most cracks in pavement images encounter unwanted and disconnected objects. To solve this problem, the medium filter is applied, for smoothing the image; the contrast adjustment, to enhance the crack; the segmentation, applying the mean and the standard deviation of the gray levels, to delimit the cracks; morphological processing, to merge narrow separations; the elimination of false cracks, applying geometrical characteristics and shape descriptors; and the connection of cracks, to obtain continuous cracks. The experimental results were obtained from the pavement images captured by the semiautomatic system and the implemented generator algorithm. The tests showed that the cracks were detected, with a sensitivity of 81.72% and a specificity of 99.96% for the images captured