Resumen

Varios factores naturales y humanos son responsables del deterioro de las paredes exteriores y azulejos de los edificios, y el deterioro relacionado puede representar un peligro para la seguridad pública. Por lo tanto, los procesos activos de mantenimiento y reparación de edificios son esenciales para garantizar la sostenibilidad de los mismos. Sin embargo, los métodos de inspección convencionales son procesos intensivos en tiempo, costos y mano de obra. Por lo tanto, en este estudio se propone un modelo de red neuronal convolucional (CNN) para la detección y localización automatizadas de defectos clave en edificios (eflorescencia, desprendimiento, agrietamiento y deterioro) basado en imágenes. Basándose en un clasificador CNN VGG-16 preentrenado, este modelo aplica mapeo de activación de clase para la localización de objetos. Tras identificar sus limitaciones en aplicaciones en la vida real, este estudio determinó la robustez de los modelos y su capacidad para detectar y localizar con precisión defectos en los azulejos

• Materias:Elementos finitos Análisis de estabilidad Energía histerética Seguridad en la ingeniería civil Tensión-deformación
• Subjects:Finite elements Stability analysis Hysteretic energy Safety in civil engineering Stress-strain
• Palabras claves:Natural; Factores humanos; Deterioro; Mantenimiento de edificios; Red neuronal convolucional; Defectos
• Keywords:Natural; Human factors; Defacement; Building maintenance; Convolutional neural network; Defects