Diagnóstico automatizado de defectos en juntas de dilatación de puentes utilizando características de huella de voz y aprendizaje profundo

Puntos clave

• El diagnóstico automatizado detecta eficazmente defectos en juntas de dilatación de puentes, demostrando alta precisión y eficiencia.
• El estudio logró una impresionante tasa de precisión del 90% al evaluar varias características de la huella de voz dentro de los conjuntos de datos.
• El análisis utilizó características de huella de voz junto con algoritmos de aprendizaje profundo para mejorar la precisión del diagnóstico en infraestructura.
• Este enfoque destaca el potencial de la tecnología para mejorar las evaluaciones de seguridad de puentes, promoviendo una mayor adopción.