Resumen

Este estudio establece un modelo de inteligencia artificial (IA) para detectar baches en la superficie del pavimento asfáltico. Se utilizan métodos de procesamiento de imágenes que incluyen filtro gaussiano, filtro orientable y proyección integral para extraer características de imágenes digitales. Se ha recopilado un conjunto de datos que consta de 200 muestras de imágenes para entrenar y validar el rendimiento predictivo de dos algoritmos de aprendizaje automático, incluido el modelo de máquinas de soporte de vectores de mínimos cuadrados (LS-SVM) y la red neuronal artificial (ANN). Los resultados experimentales obtenidos a partir de un proceso de submuestreo repetido con 20 ejecuciones muestran que tanto LS-SVM como ANN son métodos capaces para la detección de baches con una tasa de precisión de clasificación superior al 85%. Además, LS-SVM ha logrado la tasa de precisión de clasificación más alta (aproximadamente 89%) y el área bajo la curva (0.96). En consecuencia, el enfoque de IA propuesto utilizado con LS-SVM

• Materias:Etringita Microestructura Ingeniería portuaria Método estocástico Conductividad hidráulica
• Subjects:Ettringite Microstructure Port engineering Stochastic method Hydraulic conductivity
• Palabras claves:Inteligencia artificial; Detección de baches; Métodos de procesamiento de imágenes; Algoritmos de aprendizaje automático; LS-SVM; ANN
• Keywords:Artificial intelligence; Pothole detection; Image processing methods; Machine learning algorithms; LS-SVM; ANN