Resumen

Los baches son un tipo de deterioro de la superficie del firme cuya evaluación es esencial para desarrollar estrategias de mantenimiento de la red de carreteras. Los métodos existentes para la detección automática de baches dependen de equipos caros y de alto mantenimiento o no pueden segmentar el bache con precisión. En este artículo se presenta un método de detección y segmentación de baches en pavimentos asfálticos basado en el campo de energía. El método propuesto incluye principalmente dos procesos. En primer lugar, se construye el campo de energía wavelet de la imagen del pavimento para detectar el bache mediante procesamiento morfológico y criterios geométricos. En segundo lugar, el bache detectado se segmenta mediante el modelo de campo aleatorio de Markov y se extrae con precisión el borde del bache. Esta metodología se ha implementado en un prototipo de MATLAB, se ha entrenado y se ha probado con 120 imágenes de pavimento. Los resultados muestran que puede distinguir eficazmente los baches de las grietas, los parches, la suciedad grasienta, las sombras y las tapas de alcantarilla, y segmentar con precisión el bache. Para la detección de baches, el método alcanza una precisión global del 86,7%, con un 83,3% de precisión y un 87,5% de recuperación. Para la segmentación de baches, el grado de solapamiento entre la región de baches extraída y la región de baches original es mayoritariamente superior al 85%, lo que representa el 88,6% del total de imágenes de baches de pavimento detectadas.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Baches; deterioros de la superficie del pavimento; evaluación; estrategias de mantenimiento de la red viaria; detección automática de baches; método de segmentación; campo de energía; pavimento asfáltico; campo de energía wavelet; procesamiento morfológico; criterios geométricos; modelo de campo aleatorio de Markov; borde del bache; prototipo MATLAB; imágenes de pavimento; grietas; parches; suciedad grasienta; sombras; tapas de alcantarilla; exactitud global; precisión; recuerdo; grado de solapamiento; región de bache extraída; región de bache original; imágenes de bache de pavimento detectadas.
• Keywords:Potholes; pavement surface distresses; assessment; road network maintenance strategies; automatic pothole detection; segmentation method; energy field; asphalt pavement; wavelet energy field; morphological processing; geometric criterions; Markov random field model; pothole edge; MATLAB prototype; pavement images; cracks; patches; greasy dirt; shadows; manhole covers; overall accuracy; precision; recall; overlap degree; extracted pothole region; original pothole region; detected pavement pothole images