Video Experimental Relacionado
Updated: Sep 10, 2025
09:00
Visualization of Failure and the Associated Grain-Scale Mechanical Behavior of Granular Soils under Shear using Synchrotron X-Ray Micro-Tomography
Published on: September 29, 2019
13.5K
Un método automatizado para identificar vacíos y aflojamiento severo en imágenes GPR
Ze Chai1, Zicheng Wang1, Zeshan Xu2
1School of Computer and Control Engineering, Northeast Forestry University, Harbin 150040, China.
Journal of imaging
|August 27, 2025
Resumen
Este estudio introduce un método automatizado que utiliza imágenes de exploración B de radar de penetración en el suelo (GPR) para detectar defectos de la estructura de la carretera como huecos y aflojamiento. El nuevo enfoque mejora la precisión y la robustez en condiciones reales de la carretera.
Área de la Ciencia:
- Ingeniería civil
- La geofísica
- Visión por computadora
Sus antecedentes:
- Las estructuras de carreteras son susceptibles a defectos subterráneos como huecos y aflojamiento severo.
- La detección precisa y oportuna de estos defectos es crucial para el mantenimiento y la seguridad de la infraestructura.
- Los métodos existentes pueden carecer de precisión o aplicabilidad en diversos entornos viales del mundo real.
Objetivo del estudio:
- Desarrollar un nuevo método de reconocimiento automático para distinguir los huecos y el aflojamiento severo en las estructuras viarias.
- Para aprovechar las características de las imágenes de exploración B del radar de penetración en tierra (GPR) para la detección de defectos.
- Crear una solución práctica y sólida para la evaluación de la infraestructura vial.
Principales métodos:
- Extracción de características de las imágenes de exploración GPR B, incluida la textura, las características de la interfaz de reflexión y la regularidad de la forma de onda interna.
- Desarrollo del conjunto de datos FKS-GPR, un conjunto de datos anotados manualmente de entornos viales reales.
- Diseño de una red ACF-YOLO mejorada para la detección automática de defectos.
Principales resultados:
- El método propuesto distingue efectivamente entre los huecos y el aflojamiento severo en las estructuras viarias.
- El conjunto de datos FKS-GPR ofrece una gran relevancia práctica en comparación con los conjuntos de datos simulados.
- La red ACF-YOLO mejorada demostró una precisión y robustez superiores en la validación experimental.
Conclusiones:
- El método de reconocimiento automático desarrollado es eficaz y aplicable a fines de ingeniería.
- La combinación de análisis de características y aprendizaje profundo ofrece un enfoque prometedor para la detección de defectos de carretera basados en GPR.
- El conjunto de datos FKS-GPR sirve como un recurso valioso para avanzar en la investigación en este campo.
