Uso de la IA para detectar y segmentar grietas

Cuando ves una grieta en una superficie, puede parecer un problema menor, pero es un buen indicador temprano de daños estructurales graves. Por ejemplo, los puentes se inspeccionan periódicamente para detectar grietas, que 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 (AI) puede facilitar la detección de grietas.

Más allá de los puentes, la detección de grietas mediante aprendizaje profundo resulta útil en muchos entornos industriales. Ayuda a mantener la integridad de los edificios en la construcción, evita costosos tiempos de inactividad en la fabricación y hace que las inspecciones de carreteras y pavimentos sean más seguras y eficaces. En este artículo, veremos con más detalle cómo puedes usar la IA y modelos de visión artificial como Ultralytics YOLOv8 para detectar y segmentar grietas mucho más rápida y fácilmente que con los métodos tradicionales.

¿Qué es la segmentación de grietas?#

Antes de profundizar en la segmentación de grietas, entendamos qué es la segmentación. La segmentación es una tarea de visión artificial que consiste en dividir una imagen en distintas regiones o segmentos. Su objetivo es simplificar la imagen y facilitar su análisis. La segmentación ofrece una comprensión a nivel de píxel, mientras que tareas como la detección de objetos usan cuadros delimitadores para identificar y localizar objetos.

Hay distintos tipos de técnicas de segmentación:

• Segmentación semántica: consiste en asignar a cada píxel de una imagen una clase específica, como «carretera», «edificio» o «árbol». Todos los píxeles de una misma clase se consideran una sola entidad.
• Segmentación de instancias: a diferencia de la segmentación semántica, distingue entre instancias separadas de una misma clase, como los distintos coches de una imagen.
• Segmentación panóptica: combina los enfoques de segmentación semántica y de instancias para ofrecer una comprensión detallada de la clasificación a nivel de píxel y de las instancias de objetos diferenciadas de una imagen.

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

Para detectar grietas, la segmentación de instancias es una excelente opción. Al segmentar cada grieta de forma individual, podemos identificarlas y analizarlas por separado. Por ejemplo, podemos calcular el área de una grieta contando el número de píxeles que ocupa en la imagen.

Cómo funciona la segmentación de grietas#

El primer paso para implementar la segmentación de grietas es elegir la configuración de cámara adecuada, que puede variar según la aplicación. Si inspeccionas una estructura grande, como un edificio, utilizar drones puede ser la mejor opción para captar imágenes de alta resolución desde distintos ángulos. En cambio, si inspeccionas láminas metálicas después de fabricarlas, quizá te convenga utilizar cámaras fijas de alta resolución, colocadas estratégicamente para captar imágenes detalladas de las superficies.

Una vez definida la configuración de la cámara, puedes entrenar un modelo de visión artificial compatible con la segmentación de instancias, como YOLOv8. El conjunto de datos Roboflow Universe Crack Segmentation contiene imágenes de grietas anotadas y se puede utilizar para entrenar tu modelo. También puedes crear tu propio conjunto de datos capturando y anotando imágenes de grietas específicas de tu aplicación.

El modelo aprende a segmentar grietas mediante aprendizaje supervisado. Durante el entrenamiento, recibe 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, se puede utilizar para analizar nuevas imágenes y segmentar individualmente cada grieta.

Fig. 2. Uso de Ultralytics YOLOv8 para segmentar grietas.

Aplicaciones industriales de la segmentación de grietas#

La detección y segmentación de grietas son muy útiles en diversas aplicaciones industriales, desde el mantenimiento de infraestructuras hasta el control de calidad en la fabricación. Al identificar y analizar las grietas con precisión, estas técnicas contribuyen a mejorar la seguridad, la durabilidad y la calidad en muchos ámbitos. Veamos algunos ejemplos.

Mantenimiento de la calidad de carreteras y pavimentos#

Las grietas en las carreteras son un problema habitual causado por las condiciones meteorológicas, el tráfico intenso y el desgaste natural. Los cambios de temperatura pueden hacer que el pavimento se dilate y se contraiga, lo que provoca grietas. Los vehículos pesados someten la superficie de la carretera a una tensión adicional, y el agua que se filtra en las grietas pequeñas puede ensancharlas y profundizarlas con el tiempo. Estas grietas pueden acelerar el desgaste, provocar fallos estructurales y aumentar el peligro para quienes circulan por la carretera. La detección temprana mediante la segmentación de grietas puede agilizar el mantenimiento de las carreteras.

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

Las grietas detectadas y segmentadas mediante visión artificial se pueden clasificar en niveles de gravedad bajo, medio y alto según su tamaño. Clasificarlas ayuda a los equipos de mantenimiento a establecer prioridades. Por ejemplo, se pueden reparar primero las grietas de gravedad alta para prevenir fallos críticos y mejorar la seguridad vial, mientras que las de gravedad media y baja se pueden programar para reparaciones posteriores y revisiones periódicas. De este modo, el equipo de mantenimiento puede optimizar el uso de los recursos, reducir los costes de mantenimiento y minimizar las molestias para los usuarios de la carretera.

Inspección y supervisión estructural#

La detección de grietas también puede utilizarse para mantener la calidad y la seguridad de edificios y otras estructuras. Al igual que las carreteras, los edificios pueden agrietarse por los cambios meteorológicos, la fatiga de los materiales y el desgaste habitual. La maquinaria pesada utilizada durante la construcción también puede someter las estructuras a una tensión adicional y provocar más grietas.

Fig. 4. Uso de un teléfono móvil para hacer fotos con las que segmentar grietas.

Al identificar y reparar las grietas con precisión, se puede prolongar considerablemente la vida útil de edificios y estructuras. Los datos recopilados por los sistemas de detección de grietas también pueden utilizarse para mejorar las normas y los reglamentos de construcción. Al analizar los patrones y las causas de las grietas en distintos proyectos, los expertos del sector pueden desarrollar mejores prácticas y materiales de construcción.

Detección de grietas en el sector del petróleo y el gas#

En el sector del petróleo y el gas, la detección de grietas es esencial para mantener la seguridad y la fiabilidad de los oleoductos, los tanques de almacenamiento y otras infraestructuras esenciales. Los oleoductos suelen recorrer largas distancias y están expuestos a condiciones ambientales adversas que pueden provocar cambios de presión y fatiga de los materiales, lo que da lugar a grietas. Tradicionalmente, las grietas se detectan mediante equipos de inspección de tuberías (pigs), pruebas ultrasónicas y radiografía. Si no se detectan y reparan a tiempo, pueden provocar problemas graves, como fugas y explosiones. Las grietas en este sector suponen un gran riesgo para el medio ambiente y las personas.

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

La segmentación de grietas mediante visión artificial permite supervisar continuamente el estado de los oleoductos. Al identificar las grietas a tiempo, los equipos de mantenimiento pueden realizar reparaciones oportunas y prevenir posibles desastres.

Inspección automatizada de piezas de fabricación#

La inspección automatizada mediante segmentación de grietas está transformando el control de calidad en la fabricación. Antes, las grietas se detectaban mediante inspecciones visuales, ensayos con líquidos penetrantes e inspecciones con partículas magnéticas. Al integrar sistemas avanzados de obtención de imágenes y visión artificial en la línea de producción, los fabricantes pueden detectar incluso las grietas y los defectos más pequeños en las piezas justo después de fabricarlas. Se puede revisar cada componente para garantizar que cumpla unos estándares de alta calidad antes de que llegue a los clientes.

La inspección automatizada mejora la precisión y la eficiencia, y proporciona información en tiempo real para que los equipos de producción puedan solucionar rápidamente cualquier problema. Esto reduce los costes al disminuir la necesidad de inspecciones manuales y evitar retiradas de productos costosas. Además, estos sistemas recopilan datos valiosos sobre los defectos, lo que ayuda a identificar patrones y mejorar los procesos de fabricación, con el resultado de productos más seguros y fiables.

Fig. 6. Detección de grietas en piezas metálicas.

Ventajas e inconvenientes de la segmentación de grietas#

La detección de grietas mediante aprendizaje profundo ofrece muchas ventajas, como una mayor seguridad y la posibilidad de tomar decisiones basadas en datos. Veamos algunas de las demás ventajas de utilizar la detección de grietas en entornos industriales:

• Prácticas sostenibles: fomenta prácticas sostenibles de construcción y mantenimiento al reducir la necesidad de realizar reparaciones y sustituciones extensas, con el consiguiente ahorro de materiales y recursos.
• Menos interrupciones: Programar la reparación de grietas menos graves durante el mantenimiento rutinario ayuda a evitar grandes interrupciones en las operaciones y el uso.
• Cumplimiento de la normativa: Ayuda a cumplir los estándares del sector y los requisitos normativos al garantizar la inspección y el mantenimiento periódicos de las infraestructuras.

A pesar de sus ventajas, la segmentación de grietas también presenta algunos inconvenientes. Los elevados costes de infraestructura iniciales pueden ser un problema para las organizaciones más pequeñas, y la complejidad del sistema exige formación y mantenimiento continuos. Estos son algunos de los demás inconvenientes de utilizar la segmentación de grietas en aplicaciones industriales:

• Falsos positivos y negativos: Puede identificar grietas por error o no detectarlas, lo que puede dar lugar a reparaciones innecesarias o a reparaciones que no se llevan a cabo.
• Dificultades de gestión de datos: Genera grandes cantidades de datos que requieren herramientas sólidas de almacenamiento y análisis.
• Factores ambientales: Las condiciones externas, como el tiempo extremo o la humedad elevada, pueden afectar a la precisión y la fiabilidad de los sistemas de segmentación de grietas.
• Integración con sistemas existentes: Integrar la tecnología de detección de grietas en las infraestructuras y los sistemas existentes puede ser complicado y requerir modificaciones o actualizaciones adicionales.

Conclusiones clave#

La segmentación y detección de grietas pueden desempeñar un papel fundamental para mantener nuestras infraestructuras industriales seguras y duraderas. Al utilizar tecnologías avanzadas como el aprendizaje profundo y la visión artificial, podemos detectar pronto los problemas estructurales y solucionarlos antes de que se conviertan en problemas importantes. Este enfoque proactivo ahorra tiempo y dinero, y permite cumplir los estándares de seguridad y la normativa. Además, favorece las prácticas sostenibles al reducir al mínimo la necesidad de reparaciones extensas. A pesar de retos como los elevados costes iniciales y la complejidad, las ventajas de la segmentación de grietas en diversos sectores la convierten en una herramienta valiosa para mantener y mejorar la calidad de las infraestructuras.

Para obtener más información sobre IA, visita nuestro repositorio de GitHub y participa en nuestra comunidad. Descubre aplicaciones de IA en fabricación y agricultura en nuestras páginas de soluciones.