El proceso de inspección y evaluación estructural sigue teniendo un gran potencial de incorporar tecnologías, de digitalización y automatización, a fin de reducir costes de personal en campo, alquileres de equipos auxiliares, así como facilitar el trabajo desde gabinete. Los algoritmos permiten sugerir la presencia de un determinado daño al localizar, identificar y catalogar en los estadios previos a la propia inspección, hasta que puedan ser validados más tarde por personal experto. Reducción de tiempo campo, oficina y cortes de servicio. Aumento de la seguridad para el personal de inspección.
Objetivos
Seguridad de personas y bienes.
Integración con dispositivos RX, RV y Semi-Automatización.
Integración y fusión de datos.
Use case
La solución se basa en entrenar algoritmos (uno para cada categoría de daños) que sean capaces de identificar la posible presencia de daños en el catálogo de imágenes o vídeos obtenidos en campo, bien en tiempo real sobre dispositivos embarcados o RX, o bien en gabinete. Los algoritmos deben ser capaces de localizar y catalogar los posibles daños existentes sobre distintos tipo de materiales.
Infraestructura
Cloud. Edge
Tecnologías utilizadas
Machine Learning y Deep Learning
Computer Vision
Datos utilizados
Imágenes del archivo de Tecnalia, obtenidas de inspecciones estructurales (puentes, túneles, edificios residenciales, edificios industriales, galerías, etc.) en condiciones ambientales normales, correctamente identificados y catalogados
Recursos utilizados
Equipo multidisciplinar de: personal experto en distinto tipo de inspecciones (infraestructuras, túneles, puentes, estructuras, edificios), expertos de dominio, expertos en Ciencia de Datos, computer vision, ingenieros de datos, expertos en infraestructuras-comunicaciones, expertos en desarrollo web-frontend.
Dificultades y aprendizaje
La mayor dificultad radica en contar con un catálogo suficiente de imágenes, con calidad adecuada, correctamente etiquetadas y catalogadas.
KPIs (impacto en el negocio y métricas del modelo)