Evaluación de técnicas de extracción de características para detección automática de anomalías de tuberías de alcantarillado a partir de imágenes de video

dc.contributor.advisor	Mercado Cuevas, Roberto Enrique	es
dc.contributor.author	Alarcón Salazar, Nicolás Ignacio	es
dc.contributor.editor	Universidad del Bío-Bío. Departamento de Sistemas de Información (Chile)	es
dc.date.accessioned	2024-03-08T13:59:38Z
dc.date.available	2024-03-08T13:59:38Z
dc.date.issued	2019
dc.description	Memoria (Ingeniero de Ejecución en Computación e Informática) -- Universidad del Bío- Bío. Concepción, 2019.	es
dc.description.abstract	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.	es
dc.description.call-number	M(DC) 001.6 M366 2019	es
dc.identifier.uri	http://repobib.ubiobio.cl/jspui/handle/123456789/4198
dc.language.iso	es	es
dc.subject	ALCANTARILLADO- INSTALACIONES- INVESTIGACIONES	es
dc.subject	APRENDIZAJE AUTOMATICO	es
dc.subject	PROCESAMIENTO DE IMAGENES	es
dc.subject	MACHING LEARNING	es
dc.subject	PRE PROCESAMIENTO DE IMAGEN	es
dc.subject	ALGORITMO PARA ENTRENAMIENTO DE CLASIFICADORES	es
dc.subject	DETECCIONES DE BORDES	es
dc.subject	METRICAS	es
dc.title	Evaluación de técnicas de extracción de características para detección automática de anomalías de tuberías de alcantarillado a partir de imágenes de video	es
dc.type	Tesis	es