Detección de baches basada en redes neuronales convolucionales utilizando imágenes térmicas

La presencia de baches en las carreteras es una de las principales causas de accidentes de tráfico, así como del desgaste de los vehículos. Para resolver este problema, se han implementado varias técnicas que van desde el reporte manual a las autoridades hasta el uso de sensores basados en vibraciones y la reconstrucción 3D utilizando imágenes láser. Sin embargo, todas estas técnicas tienen algunas desventajas, como el alto costo de instalación, riesgos durante la detección o la falta de provisiones para visión nocturna. Por lo tanto, el objetivo de este trabajo es analizar la viabilidad y precisión de las imágenes térmicas en el campo de la detección de baches. Después de recopilar una cantidad adecuada de datos que contienen imágenes de baches bajo diversas condiciones y climas, e implementar técnicas de aumento en los datos, se ha adoptado el enfoque de redes neuronales convolucionales del aprendizaje profundo, que es un nuevo enfoque en este campo problemático utilizando imágenes térmicas. Además, se ha realizado una comparación entre el modelo convolucional auto construido y algunos de los modelos preentrenados. Los resultados muestran que las imágenes fueron correctamente identificadas con la mejor precisión del 97.08% utilizando uno de los modelos de red residual basados en redes neuronales convolucionales preentrenadas. Los resultados de este trabajo serán útiles para guiar futuras investigaciones en esta nueva aplicación de imágenes térmicas en el campo de la detección de baches.