Publicación: Evaluación de precisión en modelos de visión por computadora basados en deep learning para la detección de grietas en pavimentos flexibles en la localidad de Puente Aranda, Bogotá
Portada
PDF 
FLIP 
Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Director
Fecha
Resumen en español
En este trabajo se realizará una evaluación de la precisión de un modelo de detección de grietas aplicado a imágenes de pavimentos flexibles, se compararán sus resultados con los obtenidos mediante inspección visual tradicional. Para ello, se utilizarán imágenes capturadas en campo, sobre las cuales se aplicará el modelo y se identificarán las grietas detectadas. Estos resultados se contrastarán con una referencia construida a partir de la inspección visual, con el fin de analizar cuan cercano será el desempeño del modelo frente al método convencional. El alcance del trabajo se centrará en comparar ambos enfoques desde un punto de vista cuantitativo, utilizando métricas como precisión, recall y F1-score. No se busca desarrollar un nuevo modelo, sino evaluar el comportamiento de una herramienta existente en un contexto específico. Con esto, se pretende aportar una visión más clara sobre el uso de este tipo de tecnologías como apoyo en la detección de grietas en pavimentos flexibles.
Resumen en inglés
This work will evaluate the accuracy of a crack detection model applied to images of flexible pavements, comparing its results with those obtained through traditional visual inspection. To achieve this, field-captured images will be used, on which the model will be applied to identify detected cracks. These results will be compared against a reference created through visual inspection in order to analyze how closely the model’s performance matches the conventional method. The scope of this work will focus on comparing both approaches from a quantitative perspective, using metrics such as precision, recall, and F1-score. The objective is not to develop a new model, but rather to evaluate the performance of an existing tool within a specific context. In this way, the study aims to provide a clearer perspective on the use of these technologies as support tools for crack detection in flexible pavements.