Evaluación de técnicas de extracción de características para detección automática de anomalías de tuberías de alcantarillado a partir de imágenes de video
Cargando...
Fecha
2019
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Resumen
Este Proyecto de Título tiene como objetivo evaluar algunas técnicas de extracción de características de imágenes y comparar los resultados al utilizarlas para la clasificación de imágenes de tuberías de alcantarillado con o sin anomalías, buscando identificar automáticamente anomalías en las redes de alcantarillado, como por ejemplo grietas, desacople de unión de tuberías y roturas, uniones domiciliarias penetrantes, incrustaciones y grasas.
Para lo anterior, se estudiaron propuestas descritas en la literatura del área, implementándose algunas de ellas en base a las descripciones publicadas. Posteriormente, se aplicaron estas técnicas sobre un conjunto de imágenes reales. Con las características obtenidas, se entrenaron diferentes clasificadores comúnmente utilizados, disponibles en la suite de Aprendizaje Automático Weka. Los mejores resultados se obtuvieron con los algoritmos Radom Forest, Perceptrón Multi capas, J48 y Bagging.
En el desarrollo de este proyecto se enfrentaron dificultades propias del trabajo con imágenes reales, en este caso obtenidas de videos de CCTV o ITV. Por ejemplo, presentaban importantes variaciones en la calidad de la imagen, lo que se conoce como “ruido”. Para trabajar adecuadamente con estas imágenes, se utilizó una biblioteca de procesamiento de imágenes llamada OpenCV.
Uno de los aprendizajes relevantes de este proyecto es la importancia de la extracción de características mediante la forma. En particular, la técnica de detección de bordes resultó útil para identificar anomalías como grietas o desacople de unión de tuberías y roturas.
Por último, se realiza una experimentación de los métodos de detección de bordes y las características analizadas, por medio de métricas, logrando un desempeño de 91% de accuracy en la detección de bordes de Sobel mediante Random Forest, posicionándolo como el mejor método en la experimentación.
Descripción
Memoria (Ingeniero de Ejecución en Computación e Informática) -- Universidad del Bío- Bío. Concepción, 2019.
Palabras clave
ALCANTARILLADO- INSTALACIONES- INVESTIGACIONES, APRENDIZAJE AUTOMATICO, PROCESAMIENTO DE IMAGENES, MACHING LEARNING, PRE PROCESAMIENTO DE IMAGEN, ALGORITMO PARA ENTRENAMIENTO DE CLASIFICADORES, DETECCIONES DE BORDES, METRICAS
