Título:
Detección de defectos estructurales en saneamiento usando redes neuronales.
Otros títulos:
Coordinador:
Director:
Compilador:
Autor:
Acquarone, Santiago
Costa, Santiago
Dallo, Federico
Costa, Santiago
Dallo, Federico
Tutor:
Tejera, Gonzalo
Marzoa, Mercedes
Marzoa, Mercedes
Tipo de documento:
Tesis de grado
Editor:
Palabras clave:
Redes neuronales
Saneamiento
Aprendizaje profundo
Visión computacional
Clasificación de imágenes
Detección de defectos
Inception
ResNet
DenseNet
ViT
DaViT
Saneamiento
Aprendizaje profundo
Visión computacional
Clasificación de imágenes
Detección de defectos
Inception
ResNet
DenseNet
ViT
DaViT
Descriptores:
Año de publicación:
2024
Contenido:
Resumen:
Los sistemas de saneamiento son fundamentales para la infraestructura urbana, pero con el tiempo, las tuberías experimentan un deterioro que afecta su funcionamiento. Por ello, es crucial realizar inspecciones rutinarias. La limitada disponibilidad de profesionales frente al considerable número de tuberías hace imperativa la automatización de las inspecciones. En este trabajo se presenta una investigación sobre el uso de redes neuronales para afrontar el problema de la detección de defectos en tuberías de saneamiento a través de imágenes. Se busca aportar al área de la automatización de las inspecciones de saneamiento, creando modelos que puedan procesar video-inspecciones y detectar defectos. El enfoque principal se centra en entrenar modelos de clasificación de imágenes usando el conjunto de datos Sewer-ML. Este conjunto dispone más de un millón de imágenes de tuberías de saneamiento clasificadas por profesionales del rubro. Se exploran distintas familias de modelos de clasificación de imágenes. Entre ellos Inception, ResNet, DenseNet, ViT y DaViT. Se evalúan los modelos generados en términos de características y métricas de desempeño. Se presenta a su vez la metodología utilizada para experimentar con estos modelos y los programas utilizados. Para el manejo de redes neuronales se utiliza principalmente el lenguaje Python y la biblioteca PyTorch. Para la infraestructura se utilizó la plataforma ClusterUY. Por último, se implementa en Python un sistema que facilita el uso de las redes generadas para una empresa local con el fin de automatizar la generación de reportes a partir de video-inspecciones.
Descripción:
Editorial:
Udelar. FI.
EN:
Financiadores:
Citación:
Acquarone, S., Costa, S. y Dallo, F. Detección de defectos estructurales en saneamiento usando redes neuronales [en línea] Tesis de grado. Montevideo: Udelar. FI. INCO, 2024.
Citación:
metadata.cc.license.name:
Documento del Gobiberno:
URI:
https://hdl.handle.net/20.500.12008/45941
ISBN:
e-ISBN:
ISSN:
ISMN:
Otros identificadores:
Título Obtenido:
Ingeniero en Computación.
Facultad o Servicio que otorga el Título:
Universidad de la República (Uruguay). Facultad de Ingeniería.
Licencia:
Licencia Creative Commons Atribución (CC - By 4.0)
Cobertura geográfica:
Cobertura temporal:
metadata.dc.relation.IsVersionOf:
Clasificación:
Es versión de:
Colecciones:
| Ficheros | Descripción | Tamaño | Formato | ||
|---|---|---|---|---|---|
| ACD24.pdf | Tesis de grado | 20.47 MB | Adobe PDF |