Herramienta de diagnóstico previa a la realización de pintura mural con drones

Abstract

Una de las labores más importantes previas a la realización de cualquier intervención pictórica sobre una pared, es comprobar el estado de su superficie. Cuando es además esta área realmente extensa e inaccesible directamente para el ojo humano, cobra sentido pensar en la automatización de dicha tarea. El principal fenómeno que describe la situación de la superficie de una fachada o edificio es el desconchado o delaminado, que debe ser identificado y cuantificado para valorar y planificar su reparación previa a una posible labor de mantenimiento o intervención pictórica también automatizadas. En este aspecto, se fija la atención sobre el dron como vehículo, elemento extractor de la información necesaria para la tarea descrita: obtención de fotografía, imagen. Y es a partir de esa información obtenida, donde entra en juego el uso de la Inteligencia Artificial, concretamente el área de visión por computación con el objetivo de diseñar un sistema capaz de identificar el fenómeno descrito, las áreas de desconchado o descascarillado. En la actualidad, el fenómeno de identificación y clasificación de las grietas como indicadores del estado de salud de las distintas obras de ingeniería civil, ha sido abordado mediante distintos enfoques en el ámbito de la visión por computación. Concretamente han dado muy buenos resultados modelos del ámbito del aprendizaje profundo, en especial el uso de redes neuronales convolucionales, y es dicha línea la que ha inspirado este trabajo. Así, tras confeccionar inicialmente un data set propio constituido por 6452 imágenes, se han implementado y con ello entrenado tres modelos de redes neuronales convolucionales a partir de las arquitecturas XCeption, VGG16 y ResNet50, consiguiendo valores de ratio de éxito entre 82% y 90%. A partir del modelo que ha ofrecido mayor valor de exactitud, se ha confeccionado una herramienta que, tras proporcionarle imágenes de edificios tomadas por un dron, devuelve un mapa visual sobre la imagen original donde se identifican las zonas que el modelo ha clasificado como positivas, contenedoras de desconchados o descascarillados. La aplicación confeccionada, constituye así una herramienta de diagnóstico visual y es el punto de partida para la evaluación de la magnitud del fenómeno buscado, así como de la elaboración de un mapa preciso de intervención automatizada.