Resumen

Este artículo utiliza tecnología de vanguardia de aprendizaje profundo para identificar daños estructurales a partir de imágenes para una aplicación de ingeniería civil. Las infraestructuras públicas del país suelen ser inspeccionadas físicamente mediante una evaluación visual realizada por inspectores cualificados. Sin embargo, las inspecciones manuales son bastante laboriosas y a menudo requieren demasiada mano de obra. El número de expertos capaces de evaluar tales daños estructurales es insuficiente. Como resultado, se han desarrollado técnicas basadas en visión por computadora para la detección automática de daños. Este artículo clasifica los daños en la infraestructura civil en cuatro tipos de daños en carreteras comunes en las autopistas de la India y en el deterioro del concreto en los puentes. La red neuronal convolucional se ha convertido en una herramienta estándar para organizar y reconocer imágenes. En este artículo, se propone un conjunto de tres modelos de CNN, dos de los cuales son modelos basados en transfer learning. El modelo de transfer learning propuesto proporcionó una precisión de validación

• 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:Daño estructural; Tecnología de aprendizaje profundo; Aplicación en ingeniería civil; Técnicas basadas en visión por computadora; Red neuronal convolucional; Modelo de transferencia de aprendizaje
• Keywords:Structural damage; Deep learning technology; Civil engineering application; Computer vision-based techniques; Convolutional neural network; Transfer learning model