Un grupo de investigadores de la Universidad de Drexel, en Filadelfia (EE.UU.), están proporcionando a los asistentes robóticos un nuevo de enfoque de aprendizaje automático, con el objetivo de mejorar las inspecciones de edificios para buscar posibles signos de falla debido a un desgaste normal de la edificación.
Gracias al nuevo enfoque de aprendizaje automático, los investigadores han creado un sistema que podría permitir la identificación e inspección eficiente de áreas problemáticas por parte de robots autónomos. El sistema multiescala combina una visión por computadora con un algoritmo de aprendizaje profundo para identificar áreas problemáticas de agrietamiento antes de dirigir una serie de escaneos láser de las regiones, para crear un gemelo digital que se utilizaría para evaluar y monitorizar los daños.
Según los investigadores, la detección y medición temprana y precisa de grietas es esencial para los esfuerzos de diagnóstico, mantenimiento y reparación oportunos, evitando un mayor deterioro y mitigando peligros potenciales en las estructuras.
Red neuronal convolucional
En lugar de una medición física interpretada subjetivamente por los ojos humanos, el sistema utiliza una cámara estéreo de alta resolución que alimenta la estructura en un programa de aprendizaje profundo llamado red neuronal convolucional. Estos programas, que se utilizan para el reconocimiento facial, están ganando atención por su capacidad para detectar los patrones y discrepancias más sutiles en volúmenes masivos de datos.
La red neuronal ha sido entrenada con un conjunto de datos de muestras de grietas y puede identificar patrones similares a grietas en las imágenes que el sistema robótico recopila de la superficie de una estructura en concreto. A las regiones que contienen tales patrones se las denomina regiones de interés.
Una vez que se identifica la región de interés, el programa dirige un brazo robótico para que la escanee con un escáner de línea láser, que crea una imagen tridimensional del área dañada. Al mismo tiempo, una cámara LiDAR escanea la estructura que rodea la grieta. Al unir ambos gráficos se crea un modelo digital del área que muestra el ancho y las dimensiones de la grieta y permite rastrear los cambios entre inspecciones.
Pruebas de los robots autónomos con inteligencia artificial
El equipo probó el sistema en el laboratorio sobre una losa con una variedad de grietas y deterioro. En una prueba para ver su capacidad para detectar y medir pequeñas grietas, el sistema fue lo suficientemente sensible como para identificar y dimensionar con precisión las fisuras más pequeñas (menos de una centésima de milímetro de ancho), superando a las cámaras, escáneres y dispositivos de sensores de fibra óptica por un margen respetable.
Si bien los inspectores humanos seguirían tomando la decisión final sobre cuándo y cómo reparar los daños, los asistentes robóticos podrían reducir en gran medida su carga de trabajo, según los investigadores. Además, un proceso de inspección automatizado reduciría los descuidos y los errores de juicio subjetivos que pueden ocurrir cuando inspectores humanos con exceso de trabajo dan el primer vistazo.