Resumen

La fractura retardada de pernos de alta resistencia se produce con frecuencia en las uniones atornilladas de puentes de acero de grandes luces. Este fenómeno puede amenazar la seguridad de las estructuras e incluso provocar accidentes graves en determinados casos. Sin embargo, la inspección manual utilizada habitualmente en ingeniería para detectar los pernos fracturados es lenta e incómoda. Por lo tanto, en este artículo se propone un enfoque de inspección basado en visión por ordenador para detectar de forma rápida y automática los pernos fracturados. El enfoque propuesto se realiza mediante un algoritmo de aprendizaje profundo basado en una red neuronal convolucional (CNN), la tercera versión de You Only Look Once (YOLOv3). Un reto para el entrenamiento del detector utilizando YOLOv3 es que en la práctica solo se dispone de cantidades limitadas de imágenes de los pernos fracturados. Para hacer frente a este reto, se introducen cinco métodos de aumento de datos para producir más imágenes etiquetadas, incluyendo la transformación del brillo, el desenfoque gaussiano, el volteo, la transformación de la perspectiva y el escalado. Se entrenan seis redes neuronales YOLOv3 utilizando seis conjuntos de entrenamiento aumentados diferentes y, a continuación, se comprueba el rendimiento de cada detector en el mismo conjunto de pruebas para comparar la eficacia de los distintos métodos de aumento. La precisión media (PA) más alta de los detectores entrenados es del 89,14% cuando el umbral de intersección sobre unión (IOU) se fija en 0,5. La viabilidad y robustez del método propuesto se demuestran además en imágenes que nunca se utilizaron en el entrenamiento y la prueba del detector. Los resultados demuestran que el método propuesto puede detectar rápida y automáticamente la fractura retardada de pernos de alta resistencia.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:pernos fracturados, yolov3, imágenes, pernos resistentes, red neuronal convolucional, métodos de aumento de datos, diferentes métodos de aumento, mayor precisión media, puentes de acero de vanos, reto
• Keywords:fractured bolts, yolov3, images, strength bolts, convolutional neural network-, data augmentation methods, different augmentation methods, highest average precision, span steel bridges, challenge