Uso de la IA para la detección y segmentación de grietas

Cuando miras una grieta en una superficie, puede parecer un problema pequeño, pero es un buen indicador temprano de daños estructurales graves. Por ejemplo, los puentes se inspeccionan regularmente en busca de grietas, y estas representan el 90% de todos los daños en puentes cada año. Tradicionalmente, la inspección de grietas se realiza de forma manual y puede llevar mucho tiempo. La inteligencia artificial (IA) puede intervenir para simplificar la detección de grietas.

Más allá de los puentes, la detección de grietas mediante aprendizaje profundo es útil en muchos entornos industriales. Ayuda a garantizar la integridad de los edificios en la construcción, previene costosas interrupciones en la fabricación y hace que las inspecciones de carreteras y pavimentos sean más seguras y efectivas. En este artículo, analizaremos más de cerca cómo puedes usar la IA y modelos de visión por computadora como Ultralytics YOLOv8 para detectar y segmentar grietas mucho más rápido y fácilmente que con los métodos tradicionales.

¿Qué es la segmentación de grietas?#

Antes de sumergirnos en la segmentación de grietas, comprendamos qué es la segmentación. La segmentación es una tarea de visión por computadora que consiste en dividir una imagen en diferentes regiones o segmentos. El objetivo es simplificar la imagen y facilitar su análisis. La segmentación te ofrece una comprensión a nivel de píxel, mientras que tareas como la detección de objetos utilizan cajas delimitadoras para identificar y ubicar objetos.

Existen diferentes tipos de técnicas de segmentación:

• Segmentación semántica: Esto significa etiquetar cada píxel en una imagen con una clase específica, como 'carretera', 'edificio' o 'árbol'. Todos los píxeles de la misma clase se tratan como una sola entidad.
• Segmentación de instancias: A diferencia de la segmentación semántica, esta diferencia entre instancias separadas de la misma clase, como diferentes coches en una imagen.
• Segmentación panóptica: Combina enfoques de segmentación semántica y de instancias para brindar una comprensión detallada de la categorización a nivel de píxel y las instancias de objetos distintos en una imagen.

Fig 1. Diferencias entre las técnicas de segmentación: imagen original (G), segmentación semántica (H), segmentación de instancias (I) y segmentación panóptica (J).

Con respecto a la detección de grietas, la segmentación de instancias es una excelente opción. Al segmentar de forma única cada grieta, podemos identificarlas y analizarlas individualmente. Por ejemplo, podemos calcular el área de una grieta contando el número de píxeles que ocupa en la imagen.

Entender cómo funciona la segmentación de grietas#

El primer paso para implementar la segmentación de grietas es considerar la configuración de cámara adecuada, la cual puede variar según la aplicación. Si estás inspeccionando una estructura más grande como un edificio, usar drones puede ser el mejor enfoque para capturar imágenes de alta resolución desde varios ángulos. Por otro lado, si estás inspeccionando láminas de metal después de su fabricación, puede ser mejor usar cámaras estacionarias de alta resolución posicionadas estratégicamente para capturar imágenes detalladas de las superficies.

Una vez que hayas definido la configuración de tu cámara, puedes entrenar un modelo de visión por computadora que admita la segmentación de instancias, como YOLOv8. El conjunto de datos Roboflow Universe Crack Segmentation Dataset contiene imágenes anotadas de grietas y se puede utilizar para entrenar tu modelo. También puedes crear tu propio conjunto de datos capturando y anotando imágenes de grietas específicas para tu aplicación.

El modelo aprende a segmentar grietas mediante aprendizaje supervisado. Durante el entrenamiento, se le suministran imágenes y etiquetas que muestran dónde están las grietas. El modelo ajusta sus parámetros internos para minimizar la diferencia entre sus predicciones y las etiquetas reales. Después del entrenamiento, puede utilizarse para analizar nuevas imágenes y segmentar cada grieta de forma única.

Fig 2. Uso de Ultralytics YOLOv8 para la segmentación de grietas.

Aplicaciones industriales de la segmentación de grietas#

La detección y segmentación de grietas son increíblemente útiles en diversas aplicaciones industriales, desde el mantenimiento de infraestructura hasta el control de calidad en la fabricación. Al identificar y analizar grietas con precisión, estas técnicas ayudan a promover la seguridad, la longevidad y la calidad en muchos campos. Echemos un vistazo a algunos ejemplos.

Mantenimiento de la calidad de carreteras y pavimentos#

Las grietas en las carreteras son un problema común causado por las condiciones climáticas, el tráfico intenso y el desgaste natural. Los cambios de temperatura pueden hacer que el pavimento se expanda y contraiga, lo que genera grietas. Los vehículos pesados añaden tensión a la superficie de la carretera, y el agua que se filtra en pequeñas grietas puede ensancharlas y profundizarlas con el tiempo. Estas grietas pueden provocar un desgaste prematuro, fallos estructurales y un mayor peligro para las personas que conducen por la carretera. La detección temprana mediante segmentación de grietas puede ayudar a agilizar el mantenimiento de las carreteras.

Fig 3. Una grieta en una carretera. Fuente de imagen: Envato Elements.

Las grietas detectadas y segmentadas mediante visión artificial pueden clasificarse en niveles de gravedad bajo, medio y alto según su tamaño. Clasificar las grietas ayuda a los equipos de mantenimiento a establecer prioridades. Por ejemplo, las grietas de alta gravedad pueden abordarse primero para evitar fallos críticos y mejorar la seguridad vial, mientras que las grietas de gravedad media y baja pueden programarse para reparaciones posteriores y controles rutinarios. Al hacerlo, el equipo de mantenimiento puede optimizar el uso de recursos, reducir los costes de mantenimiento y minimizar las interrupciones para los usuarios de la carretera.

Inspección y monitoreo estructural#

La detección de grietas también se puede utilizar para mantener la calidad y la seguridad de los edificios y otras estructuras. Al igual que las carreteras, los edificios pueden desarrollar grietas debido a cambios climáticos, fatiga del material y desgaste regular. La maquinaria pesada utilizada durante la construcción también puede ejercer una tensión adicional sobre las estructuras, provocando más grietas.

Fig 4. Uso de un teléfono móvil para tomar fotos para la segmentación de grietas.

Al identificar y abordar las grietas con precisión, la vida útil de los edificios y estructuras puede extenderse significativamente. Los datos recopilados por los sistemas de detección de grietas también pueden utilizarse para mejorar las normas y reglamentos de construcción. Al analizar los patrones y las causas de las grietas en diferentes proyectos, los expertos de la industria pueden desarrollar mejores prácticas y materiales de construcción.

Detección de grietas en petróleo y gas#

En la industria del petróleo y el gas, la detección de grietas es esencial para mantener la seguridad y la fiabilidad de las tuberías, los tanques de almacenamiento y otra infraestructura vital. Las tuberías suelen cubrir largas distancias y enfrentarse a duras condiciones ambientales que pueden provocar cambios de presión y fatiga del material, lo que genera grietas. Tradicionalmente, la detección de grietas se realiza mediante dispositivos de inspección de tuberías (pigs), pruebas ultrasónicas y radiografía. Si estas grietas no se detectan y reparan a tiempo, pueden provocar problemas graves como fugas y explosiones. Las grietas en esta industria representan un riesgo enorme para el medio ambiente y los seres humanos.

Fig 5. Trabajadores inspeccionando tanques de gas en un tren. Fuente de imagen: Envato Elements

La segmentación de grietas mediante visión artificial permite un monitoreo continuo de las condiciones de las tuberías. Los equipos de mantenimiento pueden realizar reparaciones oportunas y evitar posibles desastres identificando las grietas desde el principio.

Inspección automatizada de piezas de fabricación#

La inspección automatizada mediante la segmentación de grietas está transformando el control de calidad en la fabricación. Anteriormente, la detección de grietas se realizaba mediante revisiones visuales, inspección por líquidos penetrantes e inspección por partículas magnéticas. Al integrar sistemas avanzados de imágenes y visión por computadora en la línea de producción, los fabricantes pueden detectar incluso las grietas y defectos más pequeños en las piezas inmediatamente después de que se fabrican. Cada componente se puede revisar y fabricar para que cumpla con altos estándares de calidad antes de llegar a los clientes.

La inspección automatizada mejora la precisión y la eficiencia, proporcionando comentarios en tiempo real para que los equipos de producción puedan solucionar rápidamente cualquier problema. Esto ahorra costes al reducir la necesidad de inspecciones manuales y evitar costosas retiradas del mercado. Además, estos sistemas recopilan datos valiosos sobre los defectos, ayudando a identificar patrones y mejorar los procesos de fabricación, lo que resulta en productos más seguros y fiables.

Fig 6. Detección de grietas en piezas metálicas.

Pros y contras de la segmentación de grietas#

La detección de grietas mediante aprendizaje profundo ofrece muchos beneficios, incluida una mayor seguridad y decisiones basadas en datos. Exploremos algunas de las otras ventajas de utilizar la detección de grietas en entornos industriales:

• Prácticas sostenibles: Apoya las prácticas de construcción y mantenimiento sostenibles al reducir la necesidad de reparaciones y reemplazos extensos, ahorrando materiales y recursos.
• Disrupciones minimizadas: Programar reparaciones para grietas menos graves durante el mantenimiento rutinario ayuda a evitar interrupciones importantes en las operaciones y el uso.
• Cumplimiento de las normativas: Ayuda a cumplir con los estándares de la industria y los requisitos reglamentarios al garantizar la inspección y el mantenimiento regulares de la infraestructura.

A pesar de sus ventajas, la segmentación de grietas también tiene algunos inconvenientes. Los altos costes de infraestructura iniciales pueden ser preocupantes para las organizaciones más pequeñas, y la complejidad del sistema requiere formación y mantenimiento continuos. Aquí te presentamos algunas de las otras desventajas de utilizar la segmentación de grietas en aplicaciones industriales:

• Falsos positivos y negativos: Puede identificar incorrectamente o no detectar grietas, lo que lleva a reparaciones innecesarias o perdidas.
• Desafíos en la gestión de datos: Genera grandes cantidades de datos que necesitan herramientas sólidas de almacenamiento y análisis.
• Factores ambientales: Las condiciones externas, como el clima extremo o la alta humedad, pueden afectar la precisión y fiabilidad de los sistemas de segmentación de grietas.
• Integración con sistemas existentes: Integrar la tecnología de detección de grietas con la infraestructura y los sistemas existentes puede ser un desafío y puede requerir modificaciones o actualizaciones adicionales.

Conclusiones clave#

La segmentación y detección de grietas pueden desempeñar un papel vital para mantener nuestra infraestructura industrial segura y duradera. Al utilizar tecnologías avanzadas como el aprendizaje profundo y la visión artificial, podemos detectar problemas estructurales a tiempo y solucionarlos antes de que se conviertan en problemas importantes. Este enfoque proactivo ahorra tiempo y dinero mientras cumple con los estándares de seguridad y reglamentarios. Además, respalda prácticas sostenibles al minimizar la necesidad de reparaciones extensas. A pesar de algunos desafíos como los altos costes iniciales y la complejidad, los beneficios de la segmentación de grietas en diversas industrias la convierten en una herramienta valiosa para mantener y mejorar la calidad de la infraestructura.

Para obtener más información sobre IA, visita nuestro repositorio de GitHub e interactúa con nuestra comunidad. Explora aplicaciones de IA en fabricación y agricultura en nuestras páginas de soluciones. 🚀