Resumen

Para inspeccionar la calidad de las estructuras de concreto, es necesario detectar los vacíos superficiales o agujeros existentes en una superficie de concreto después del proceso de colado. Para mejorar la productividad del trabajo de inspección, este estudio desarrolla un enfoque de inteligencia híbrida que combina análisis de textura de imagen, aprendizaje automático y optimización metaheurística. Los cálculos de textura de imagen emplean el filtro Gabor y las longitudes de ejecución de niveles de gris para caracterizar la condición de una superficie de concreto. Basado en las características de la textura de imagen, las Máquinas de Vectores de Soporte (SVM) establecen un límite de decisión que separa las muestras de imagen recopiladas en dos categorías: sin vacíos superficiales (clase negativa) y con vacíos superficiales (clase positiva). Además, para asistir en la fase de entrenamiento del modelo SVM, se utiliza la evolución diferencial adaptativa basada en historial con reducción lineal del

• Materias:Modelo de rigidez Desempeño estructural Fallas estructurales Estructuras de membrana
• Subjects:Stiffness model Structural performance Structural failures Membrane structures
• Palabras claves:Estructuras de concreto; Vacíos en la superficie; Análisis de textura de imagen; Aprendizaje automático; Optimización metaheurística; Máquinas de Vectores de Soporte
• Keywords:Concrete structures; Surface voids; Image texture analysis; Machine learning; Metaheuristic optimization; Support Vector Machines