Gracias a los avances recientes en inteligencia artificial (IA), los ingenieros civiles pueden inspeccionar infraestructuras a gran escala de manera más eficiente y rentable, al mismo tiempo que monitorean la progresión de la gravedad de los daños a lo largo del tiempo.

Un equipo de investigadores de la EPFL ha demostrado la viabilidad de un método impulsado por IA para la detección, el crecimiento y el seguimiento de grietas, y pronto lo probará en el tramo ferroviario entre Zermatt y Brig, en el cantón de Valais.El estudio espublicadoenAutomatización en la Construcción.

La IA puede ayudar a mejorar la seguridad ferroviaria al permitir inspecciones automatizadas de vías, traviesas, balastos y muros de contención.Investigadores del Laboratorio de Sistemas de Operaciones y Mantenimiento Inteligentes (IMOS) de EPFL han desarrollado un método impulsado por IA que mejora la eficiencia de la detección de grietas enestructuras de concreto.

Su investigación introduce un método novedoso que emplea explicablesinteligencia artificial, o una forma de IA que permite a los usuarios comprender la base de las decisiones de IA.

"Entrenamos un algoritmo para diferenciar entre imágenes con y sin grietas enmuros de hormigón[una tarea de clasificación binaria] alimentándola con cientos de muestras de imágenes de ambas categorías.Luego le pedimos al algoritmo que resaltara qué píxeles utilizó para tomar su decisión", dice Florent Forest, científico del laboratorio IMOS y autor principal del estudio.

El algoritmo identificó con éxito los píxeles correspondientes a las grietas."Con nuestro enfoque, los usuarios pueden alimentar el algoritmo con imágenes tomadas durante varios años de una sección de ferrocarril... o de cualquier otro tipo deinfraestructuraque se inspeccione periódicamente y pídale que cuantifique la gravedad de las grietas en paredes y traviesas a lo largo del tiempo.Esto ayuda a los operadores de infraestructuras a planificar su mantenimiento de forma más eficaz", afirma.

Inspecciones mejoradas

Actualmente, los operadores ferroviarios inspeccionan periódicamente el estado de la infraestructura, como los muros de contención, utilizando criterios predefinidos, cuyas calificaciones las asignan inspectores experimentados.Sin embargo, este proceso suele ser propenso a evaluaciones subjetivas y dificulta el seguimiento de los cambios a lo largo del tiempo, especialmente cuando diferentes inspectores evalúan la misma sección de infraestructura en diferentes momentos.

Gracias a los avances en la digitalización, los operadores ferroviarios pueden monitorear las condiciones de las vías utilizando un vagón de monitoreo especializado equipado con varios dispositivos de medición y cámaras laterales y de piso para la inspección visual de rieles, traviesas de concreto y muros de contención.

Al utilizar estos sistemas impulsados ​​por IA para cuantificar la gravedad de los daños, el proceso de inspección se puede automatizar, haciéndolo más objetivo, preciso y más fácil de comparar con el tiempo.

El equipo de investigación de la EPFL probará su método en tramos de ferrocarril entre Zermatt y Brig y entre Brig y Disentis.Estas secciones incluyen una serie de muros de contención de diferentes formas y materiales, lo que hace que la tarea sea un desafío significativo para el algoritmo.

El equipo ya ha recopilado imágenes de drones, junto con las del entrenador de seguimiento, y utilizará su IA.algoritmopara ayudar alferrocarriloperador a controlar su infraestructura con mayor frecuencia y sistemáticamente.

Más información:Florent Forest et al, De la clasificación a la segmentación con IA explicable: un estudio sobre la detección de grietas y el seguimiento del crecimiento,Automatización en la Construcción(2024).DOI: 10.1016/j.autcon.2024.105497