Desarrollo de un sistema automatizado para identificar y clasificar defectos en vías urbanas.

Evaluación de Redes CNN con optimizadores SGDM y ADAM usando imágenes a color y en escala de grises.

Obtención de precisiones del 74.67 % con imágenes a color y SGDM, mejorando inspecciones viales.

Aplicación de procesamiento digital de imágenes para detectar 11 tipos de fallas en vías urbanas.

Sustenta la viabilidad de redes neuronales profundas para optimizar el mantenimiento vial.

Development of an automated system to identify and classify defects in urban roads.

Evaluation of CNN architectures evaluated using SGDM and ADAM optimizers with both color and grayscale images.

Achieving an accuracy of 74.67% using color images and SGDM, improving road inspection processes.

Application of digital image processing to detect 11 types of failures in urban roadways.

Supports the feasibility of deep neural networks to optimize road maintenance.

Las vías públicas constituyen un componente esencial de la infraestructura de transporte a nivel global, y su adecuado mantenimiento resulta crucial para garantizar la seguridad, eficiencia y comodidad en el tránsito de vehículos, mercancías y peatones [1], [2]. En países en desarrollo como Colombia, la presencia de baches y grietas en las carreteras no solo representan un riesgo para la seguridad de conductores y peatones, sino que también genera impactos económicos significativos debido a los daños vehiculares y los retrasos en la distribución de bienes y servicios [3], [4].

Las labores de mantenimiento y reparación de este tipo de imperfecciones son imprescindibles, no obstante, ello a la vez representa un reto de tipo logístico y económico para las agencias de transporte locales encargadas de la gestión del tráfico rodante. De ahí que el análisis estructural de los baches haya surgido como una tendencia de gran relevancia en el ámbito de la ingeniería civil, dado que tales estudios hacen posible que especialistas y técnicos dispongan de una explicación más profunda de las causas de la degradación de la red vial.

En un nivel más elevado, el enfoque de este estudio permite la implementación de estrategias de reparación y prevención más precisas y eficientes, maximizando de este modo el uso de los recursos relacionados disponibles desde el gobierno. Al mismo tiempo, los recientes avances en la inteligencia artificial en general y en particular la investigación de las redes neuronales convolucionales (CNN) han permitido abrir nuevas vías para el análisis automatizado de imágenes en los distintos campos de la ingeniería. Estas últimas han sido fuente de consolidación de herramientas útiles para la detección, clasificación y evaluación de defectos presentes en los pavimentos, aumentando así la eficiencia y efectividad de los procesos de inspección en vías pavimentadas [5]–[10].

Se han realizado distintos trabajos experimentales que han estudiado el uso y la capacidad de las CNN para detectar e identificar de manera automática defectos superficiales, ya sean grietas, fisuras o desprendimientos del pavimento, y cuyo resultado ha sido significativo para tareas de clasificación de imágenes [11]–[15]. Por el contrario, la mayoría de estos trabajos de investigación se han centrado sobre todo en identificar fallas superficiales y por consiguiente se ha menospreciado el análisis estructural profundo de los baches. Este tipo de análisis es clave para comprender la formación, la propagación y el alcance de los daños que sufren las vías, y así poder programar correctamente las intervenciones correctivas y preventivas y extender la vida útil de las infraestructuras de carreteras.

Por otro lado, recientes trabajos demuestran que la combinación de plataformas móviles y participación ciudadana trae consigo una gran mejora en la recolección de datos e incluso en la actividad de la gestión vial mediante la captura de imágenes en campo [16]–[22]. De igual forma, la integración de tecnologías con algoritmos de aprendizaje de máquina ofrece la posibilidad de establecer un cambio en el procedimiento de realizar la inspección y el mantenimiento de las carreteras, tomando decisiones basadas en datos [23]–[30].

En ese contexto, en la presente investigación se propuso desarrollar un sistema basado en el modelo de redes neuronales profundas para la automatización del análisis estructural de baches existentes en pavimentos urbanos mediante imágenes capturadas en campo e incorporando una plataforma híbrida que involucra la participación ciudadana mediante el uso de una aplicación móvil. Esta plataforma permitirá a los usuarios reportar defectos viales, mientras que las autoridades recibirán un análisis detallado que respalde la toma de decisiones para la gestión y priorización del mantenimiento vial [30]–[35].

A continuación, en la sección 2 del documento se describe la metodología utilizada en el desarrollo del estudio, incluyendo los recursos de hardware y software utilizados, la forma en que se recolectaron y normalizaron las imágenes, la arquitectura de red CNN utilizada, su entrenamiento y evaluación. En la sección 3 se discuten los resultados y el análisis de las métricas de desempeño usadas para evaluar la eficacia del sistema de detección y clasificación automática de imperfecciones viales implementado. Finalmente, en la sección 4 se abordan las conclusiones y viabilidad del uso de estas tecnologías para mejorar los procesos de inspección y el mantenimiento de infraestructuras viales.

En este estudio, se utilizó un enfoque basado en la aplicación de modelos de redes neuronales convolucionales profundas (CNN) para el análisis estructural de baches e imperfecciones viales a partir de imágenes reales de carreteras urbanas. Las imágenes recolectadas como datos, fueron procesadas junto con el entrenamiento de los modelos de aprendizaje automático usando MATLAB^® 2024a, en un equipo con las siguientes características: procesador AMD RYZEN 7 7730U, tarjeta gráfica Radeon Graphics de 2 GB, 16 GB de RAM y sistema operativo Windows 11 Pro (versión 23H2, 64 bits), lo que permitió aprovechar las capacidades del procesamiento paralelo, algo fundamental para el entrenamiento eficiente de la arquitectura de la red neuronal convolucional.

2.1 Recolección y preprocesamiento de datos

Se recolectaron 5000 imágenes de imperfecciones viales en la zona urbana de la ciudad de Bogotá, llevando a cabo la captura mediante estudiantes del semillero Bochica Software de la Fundación Universitaria Compensar. Las imágenes fueron tomadas con cámaras digitales de alta resolución (mínimo 12 MP) en diversas condiciones de iluminación (día y noche) y clima (seco, húmedo, lluvioso) para garantizar la viabilidad del conjunto de datos. Posteriormente, se realizó un proceso de filtrado de datos que excluyó las imágenes con más del 25 % de interferencias externas, como sombras pronunciadas, objetos ajenos a la vía (vehículos, personas) o vegetación que obstaculizara la visibilidad del pavimento.

Tras este proceso, se obtuvo una base de datos de 1001 imágenes aptas para el análisis. Cada imagen se normalizó a un tamaño estándar de 800 x 800 píxeles y se almacenó en formato PNG con resolución de 240 dpi para garantizar homogeneidad del conjunto de datos y facilitar el procesamiento. Las imágenes se clasificaron manualmente en 11 categorías de defectos viales siguiendo la nomenclatura propuesta en [11], [12], [32], [36] como: baches, pérdida de agregado, fisura transversal, fisura por reflexión, fisuras longitudinales y transversales, hundimientos, parches y "piel de cocodrilo" entre otras.

Con el fin de obtener muestras más detalladas para el entrenamiento de la red, cada imagen se dividió en parches de 100 x 100 píxeles, lo que generó un total de 199100 parches. Esta segmentación permitió capturar características locales de cada tipo de defecto vial.

2.2 Arquitectura de la red neuronal convolucional

La red neuronal convolucional profunda (CNN, por sus siglas en inglés) diseñada en este estudio estuvo compuesta por cuatro capas convolucionales y una capa completamente conectada para la salida. Se seleccionó este número de capas dado que, para detectar defectos viales, se buscó un equilibrio entre la extracción de características con el costo computacional sin incurrir en complejidad excesiva. Arquitecturas más complejas como ResNet o EfficientNet se descartaron por no ser necesarias para el tamaño y tipo de datos, logrando la CNN propuesta resultados satisfactorios en la clasificación de defectos en las carreteras.

La configuración de filtros por cada capa fue de 8, 16, 32, 64 y 128 filtros, respectivamente. En cada capa convolucional se aplicó la función de activación ReLU (Rectified Linear Unit, por sus siglas en inglés), que contribuye a mejorar la convergencia y el rendimiento del modelo [8], [10], [12], [19], [25], [31], [37].

El conjunto de 199100 parches se dividió aleatoriamente en tres subconjuntos, según la metodología estándar de entrenamiento supervisado así: 80 % para entrenamiento, 10 % para validación, y 10 % para prueba. Cada subconjunto incluyó imágenes que representaron las 11 categorías de defectos viales, garantizando un equilibrio en la distribución de clases y mejorar el aprendizaje del modelo [9], [19], [27], [35]–[39]. La Figura 1 ilustra el diagrama general de la arquitectura de la CNN implementada.

Figura 1. Figura 1. Diagrama general del modelo de Red Neuronal Convolucional implementado Figura 1. Diagrama general del modelo de Red Neuronal Convolucional implementado Fuente: elaboración propia.

2.3 Entrenamiento del modelo de la CNN

El modelo CNN se entrenó utilizando dos optimizadores: descenso de gradiente estocástico con momento (SGDM, por sus siglas en inglés) y la estimación adaptativa de momento (ADAM, por sus siglas en inglés) [20], [39]–[41].

Tras realizar pruebas experimentales del modelo de la CNN se eligieron tres épocas de entrenamiento con una frecuencia de validación cada 30 iteraciones para evitar el sobreajuste y optimizar el tiempo de cómputo requeridos, ya que se observó que el rendimiento del modelo se estabilizaba después de este punto, sin obtener mejoras significativas en su rendimiento con más épocas.

Se aplicaron técnicas de aumento de datos, como rotaciones aleatorias (±30°) y ajustes de brillo (±20°) y contraste (±15°), para incrementar la variabilidad del conjunto de datos y mejorar la robustez y capacidad de generalización del modelo. El conjunto de imágenes se procesó en formato RGB y en escala de grises, lo que permite investigar el efecto que tiene la representación de color sobre la precisión del modelo.

Durante el proceso de entrenamiento, se evaluó el rendimiento del modelo a partir de distintas métricas de evaluación habituales, como precisión, sensibilidad y especificidad; y se construyó una matriz de confusión por cada uno de los formatos (RGB y escala de grises), lo que permitió saber cuáles eran las categorías de defectos con los mayores errores de clasificación, así como establecer un reajuste de los hiperparámetros de la red CNN a partir de los resultados obtenidos [14], [20], [34], [37], [39]–[42].

Los resultados se validaron estadísticamente llevando a cabo una prueba de hipótesis teniendo en cuenta la curva característica operativa del receptor (ROC, por sus siglas en inglés) y el cálculo del área bajo la curva (AUC, por sus siglas en inglés) para cada clase, lo cual permitió cuantificar de este modo el rendimiento del modelo y asegurar su reproducibilidad en ensayos posteriores.

2.4 Evaluación de desempeño del modelo de red CNN

El desempeño del modelo se evaluó con los subconjuntos de validación y prueba, en los cuales se compararon los resultados alcanzados con ambos optimizadores SGDM y ADAM. Para cada optimizador se estudiaron las métricas de precisión como los niveles de generalización sobre el conjunto de prueba que se presenta en [29]–[34], [42]–[46] tal como se comenta con posterioridad. También se contrastó el uso de imágenes en color RGB frente a imágenes en escala de gris, para calcular cuál de las dos modalidades era más eficiente con respecto a la precisión de clasificación del defecto vial.

2.5 Técnicas de aumento de datos

Con el objeto de mejorar el rendimiento de los modelos evaluados y reducir la probabilidad de ajustarse demasiado a los datos de entrenamiento, se implementaron durante el entrenamiento técnicas de aumento de datos. Se aplicaron las transformaciones para realizar aumento de datos tales como rotaciones aleatorias, ajustes en el brillo y cambios de contraste, lo que llevó a la generación de nuevas variantes de imágenes a partir de las imágenes originales, simulando situaciones más realistas y heterogéneas que las reales obtenidas durante el proceso de campo, lo que contribuyó a robustecer el propio modelo de cara a situaciones donde se presentaron variaciones iluminación y del entorno [42]–[46].

2.6 Métricas de desempeño

La evaluación del modelo desde el punto de vista de su rendimiento cuantitativo se complementó con la inclusión de pruebas estadísticas, calculando la precisión en términos generales y el error cuadrático medio (MSE, por sus siglas en inglés); esta métrica introduce un indicador de rendimiento que mide diferencia promedio de las predicciones del modelo con respecto a los valores reales. También, se llevó a cabo la construcción y análisis de una matriz de confusión que sirvió para poder ir calculando las tasas de aciertos y errores para cada clase de defecto vial.

De igual manera, se determinó cuál optimizador fue el más adecuado, realizando un análisis comparativo del desempeño entre SGDM y ADAM. Para saber cuál de los dos optimizadores estudiados era el más eficiente y apropiado para clasificar los defectos viales, adicional a la precisión lograda, se verificó la estabilidad y la capacidad de generalizar los resultados en diferentes subconjuntos de datos [29]–[34].

Para determinar el potencial del modelo para clasificar correctamente el tipo de defecto, se calculó la precisión por clase o sensibilidad, la cual identifica la proporción del número de verdaderos positivos (VP) bien clasificados frente a la cantidad del total de elementos reales de cada clase. Este tipo de medida fue de gran utilidad, ya que permitió encontrar los posibles sesgos en la clasificación de defectos concretos, y poder así ajustar los distintos hiperparámetros. También, se realizó igualmente un análisis de la AUC-ROC para cada categoría de defecto vial.

La metodología implementada en este trabajo permitió desarrollar un modelo de clasificación y análisis de defectos en carreteras con muy buena eficiencia y eficacia en la detección. Además, por medio del uso de técnicas de procesamiento de imágenes y de la implementación de redes neuronales convolucionales, junto con la evaluación comparativa entre los optimizadores SGDM y ADAM, se obtuvo como resultado un procedimiento sistemático satisfactorio para el análisis automatizado de pavimentos.

Los resultados alcanzados en este desarrollo comprueban el potencial que pueden llegar a tener las redes neuronales convolucionales para la clasificación automática de los defectos en vías urbanas, lo que establece un buen aporte en el campo de detección de imperfecciones en carreteras, como soporte a los sistemas de gestión de pavimentos y el mantenimiento de infraestructura vial urbana. En este sentido, este estudio agrega valor tecnológico con respecto a otras investigaciones que se han realizado, ya que se abordó el desempeño del comportamiento de los dos optimizadores evaluados (SGDM y ADAM) y los formatos de imagen utilizados (RGB y escala de grises), aportando conocimiento novedoso sobre el efecto que cada una de estas variables ha tenido sobre la precisión y robustez de los modelos.

Con respecto al rendimiento general y el consumo de recursos se pone de manifiesto que el modelo entrenado con el optimizador SGDM alcanzó una precisión del 74.67 % que utilizó imágenes en formato RGB y el modelo entrenado con ADAM proporcionó un 51.76 % de precisión, el cual utilizó imágenes en escala de grises. El modelo hecho con el optimizador ADAM alcanzó en imágenes RGB un 73.96 % y en imágenes en escala de grises un 52.51 % de precisión. A pesar del hecho de que la precisión entre estos optimizadores no dista mucho entre ellos, son muy diferentes para mejorar la clasificación automática de defectos viales. La comparación de las curvas de precisión de cada uno de los algoritmos de optimización ADAM y SGDM aplicados a imágenes RGB y en escala de grises se describen en la Figura 2.

Figura 2. Figura 2. Curvas de precisión que comparan los optimizadores SGDM y ADAM aplicados Figura 2. Curvas de precisión que comparan los optimizadores SGDM y ADAM aplicados Fuente: elaboración propia.

El optimizador SGDM se mostró más efectivo en el desempeño sobre imágenes RGB, lo cual es comprensible dado que este formato presenta una mayor cantidad de información para poder distinguir diferentes modos de fallas, en contrapartida, ADAM obtuvo mejores resultados usando imágenes en escala de grises, quizás porque este optimizador puede adaptarse mejor a la información que suele concentrarse en las texturas y bordes, las cuales son características principales de este tipo de imágenes.

En cuanto a consumo de recursos computacionales y tiempo de entrenamiento, ambos algoritmos de optimización reportaron un rendimiento similar, el consumo de CPU fue del 53 % al 58 %, la RAM del 64 %, y el de la GPU entre el 0 % y el 3 %. En cuanto a los tiempos de entrenamiento, variaron de los 80 a los 92 minutos, tomar en cuenta el optimizador y el tipo de imagen usado, el optimizador SGDM usando imágenes en escala de grises reportó un consumo ligeramente inferior en promedio. Los resultados de consumo de recurso computacional de los optimizadores usados quedan resumidos en la Tabla 1.

Tabla 1 Tabla 1 Consumo de recursos computacionales por variaciones de optimizadores Tabla 1 Consumo de recursos computacionales por variaciones de optimizadores

Optimizador	Imágenes	CPU	RAM		GPU		Tiempo
SGDM	Grises	53 %		63 %	1 %	81 min 43 s
SGDM	RGB	58 %		64 %	3 %	92 min 04 s
ADAM	Grises	55 %		64 %	0 %	80 min 13 s
ADAM	RGB	54 %		64 %	0 %	88 min 46 s

Fuente: elaboración propia.

El análisis detallado de los resultados revela que el modelo entrenado con imágenes en escala de grises obtuvo una precisión en la validación del 79.91 %, coincidiendo con la precisión obtenida durante el entrenamiento, como se ilustra en la Figura 3.

Figura 3. Figura 3. Precisión en entrenamiento y validación de CNN con imágenes en escala de grises Figura 3. Precisión en entrenamiento y validación de CNN con imágenes en escala de grises Fuente: elaboración propia.

En contraste, el modelo entrenado con imágenes a color logró una precisión del 60.23 % en el entrenamiento y del 55 % en la validación, como se muestra en la Figura 4. Estos resultados sugieren que, a pesar de que el color aporta información adicional, en este caso particular, la información relacionada con texturas y bordes de las imágenes en escala de grises resulta más relevante para la clasificación precisa de los defectos viales.

Figura 4. Figura 4. Precisión en entrenamiento y validación de CNN con imágenes RGB Figura 4. Precisión en entrenamiento y validación de CNN con imágenes RGB Fuente: elaboración propia.

Durante el proceso de entrenamiento del modelo en el mismo intervalo, se observó una tendencia interesante en la que la precisión iba aumentando de forma logarítmica mientras que la pérdida o el error del modelo empezaba a disminuir de forma logarítmica. Así fue como finalmente, tras todo el proceso de entrenamiento el modelo cargado con imágenes en escala de grises obtenía una pérdida de aproximadamente 0.7 que se puede observar en la Figura 5, y el que se entrenó con imágenes en RGB también logró una pérdida de 0.5 comprobable en la Figura 6. El valor de aproximación a cero proporciona un claro mensaje de que fue un buen ajuste y se trataba de un buen modelo con una buena capacidad de generalización.

Figura 5. Figura 5. Pérdida en entrenamiento y validación de CNN con imágenes en escala de grises Figura 5. Pérdida en entrenamiento y validación de CNN con imágenes en escala de grises Fuente: elaboración propia.

Figura 6. Figura 6. Pérdida en entrenamiento y validación de CNN con imágenes en RGB Figura 6. Pérdida en entrenamiento y validación de CNN con imágenes en RGB Fuente: elaboración propia.

La matriz de confusión del modelo entrenado con imágenes en escala de grises muestra que las categorías "bache", "descascaramiento", "fisura en bloque", "fisura por deslizamiento" y "fisura por reflexión" fueron correctamente clasificadas en más del 80 % de los casos con imágenes en escala de grises, como se representa la Figura 7.

Figura 7. Figura 7. Matriz de confusión de prueba de CNN con imágenes en escala de grises Figura 7. Matriz de confusión de prueba de CNN con imágenes en escala de grises Fuente: elaboración propia.

Las clases de "fisuras longitudinales y transversales" y "parche" tienen una sensibilidad por debajo de la media, siendo del 59.6 % y 93.6 %, respectivamente. Estos resultados reflejan que el modelo tiene dificultades para discriminar las imperfecciones entre clasificaciones superiores como consecuencia de la existencia de superposiciones de patrones visuales.

Al estudiar los valores de la matriz de confusión que se encuentran fuera de la diagonal principal a la que se le asigna un 40.4 % de "fisuras longitudinales y transversales" como "hundimiento", lo que puede ser una consecuencia de la similitud visual que existe entre la fisura y los hundimientos.

Al calcular las curvas AUC-ROC por clase se obtuvo un promedio de 0.82 con las clases mejor identificadas, mientras que "fisuras longitudinales y transversales" descendió a 0.68 lo que evidencia la complejidad de identificar este tipo de fallas dado la superposición visual con otros defectos, como el "hundimiento".

Por otra parte, el modelo ajustado a imágenes RGB dio lugar a tasas de clasificación correcta elevadas en categorías como las de "bache", "descascaramiento", "fisura en bloque", "fisura por deslizamiento" y "fisura por reflexión", donde el valor superó el 65 %, tal como demuestra la Figura 8. Las categorías "fisuras longitudinales y transversales" y "parche" presentaron tasas de clasificación notablemente más bajas, un 44.9 % y un 47.0 %, respectivamente, lo que indica que son las categorías donde el modelo tuvo más problemas de discriminación debido la superposición de características visuales.

Figura 8. Figura 8. Matriz de confusión de prueba de CNN con imágenes RGB Figura 8. Matriz de confusión de prueba de CNN con imágenes RGB Fuente: elaboración propia.

Un análisis más detallado, pero de los valores fuera de la diagonal principal muestra que un 55.1 % de las imágenes de "hundimiento" fueron clasificadas erróneamente como "fisuras longitudinales y transversales". Igualmente, había una enorme confusión con los tipos "parche" y "bache", donde la tasa alcanzó valores del 53.0 %, algo que queda explicado por la similitud visual de las características de las imperfecciones en ciertas fases de su evolución.

La comparación de estos resultados con estudios previos, como los que fueron presentados en [20]-[37] que mostraron precisiones por encima del 80 % en condiciones controladas, evidencia que los valores obtenidos en el presente estudio son competitivos entendiendo el enfoque orientado a condiciones urbanas reales, donde las variaciones en el carácter de las imágenes y de las características de captura influyen sobre la tipología de imperfección.

Además, el trabajo evaluó cómo el modelo se comporta ante cambios abruptos de contraste y de condiciones de iluminación, a partir del uso de técnicas de aumento de datos. El modelo muestra un mejor desempeño con imágenes en escala de grises frente a cambios en las condiciones climáticas y condiciones de iluminación, sugiriendo que el modelo ha sido diseñado para tener una buena capacidad de funcionamiento aumentando la estabilidad de un entorno urbano con iluminación no controlada. Esta capacidad es una característica destacada para aplicar en sistemas reales de inspección de vías, donde las condiciones de captura varían considerablemente.

Un importante punto débil es la confusión que puede inducir la exposición que provoca ambientes con patrones visuales parecidos; con ello, se puede concluir que hay que explorar el uso de arquitecturas más avanzadas como ResNet o EfficientNet o también la adición de variables contextuales para hacer una buena discriminación entre las clases.

Desde la perspectiva práctica, las conclusiones indican que es posible la implementación en sistemas de monitorización vial basados en visión artificial de manera que se puede automatizar la detección y clasificación de los defectos bajo un consumo razonable de recursos, de manera que sean favorables en el ámbito del montaje de plataformas de mantenimiento predictivo.

Finalmente, este trabajo ha mostrado que las CNN son prometedoras, pero aún tienen limitaciones respecto de la calidad de las imágenes y de los optimizadores que han sido utilizados: el SGDM ha dado mejores resultados en comparación con imágenes en RGB, mientras que el ADAM ha presentado un mejor desempeño con imágenes en escala de grises.

Este estudio pone de manifiesto la necesidad de adaptar métodos de clasificación a los datos. Los resultados obtenidos son similares a los que ya han sido documentados en otros trabajos, aunque se destaca el balance entre precisión y eficiencia computacional de los métodos propuestos. Los trabajos futuros deben centrarse en mejorar la clasificación de clases complejas, así como en la valoración del rendimiento del modelo en condiciones más complejas, como por ejemplo inclemencias meteorológicas o las peculiaridades de distintas tipologías de vías urbanas y rurales.

El presente estudio presenta la efectividad de las CNN para la automatización de la clasificación de defectos viales. Al analizar los resultados se puede observar que los mejores resultados se logran procesando las imágenes en RGB con los modelos entrenados con el optimizador SGDM alcanzando una mayor precisión (74.67 %) en contraste con los modelos entrenados con ADAM que alcanzan una menor precisión (52.51 %) pero utilizando para ello imágenes en escala de grises. Por otro lado, ambos optimizadores presentan un consumo de recursos computacionales similar, aunque el optimizador ADAM presenta tiempos de entrenamiento ligeramente menores. Igualmente, la arquitectura de CNN de 4 capas y con 3 épocas de entrenamiento muestra su efectividad ofreciendo una relación de complejidad y rendimiento equilibrada.

Dichos resultados confirman su viabilidad de entrar la técnica de aprendizaje automático dentro del ámbito de las aplicaciones para la gestión de la infraestructura vial o aplicaciones para móviles capaces de identificar y reportar defectos viales. Este trabajo también sienta las bases para investigaciones futuras en optimización de algoritmos de aprendizaje profundo con relación a la ingeniería civil y el mantenimiento de carreteras.

Los resultados obtenidos demuestran la utilidad de las CNN para el análisis estructural de baches utilizando imágenes del mundo real. Los modelos alcanzaron una precisión aceptable, sobre todo cuando se usaron imágenes de escala de grises, lo que indica que la información de textura contenida en ellas mejora notablemente la capacidad del modelo para distinguir y clasificar las diferentes categorías de las imperfecciones de las carreteras.

Así, la red convolucional entrenada con imágenes en escala de grises alcanzó una precisión del 79.91 %, tanto en el entrenamiento como en la validación, cifra superior a la obtenida con el modelo de imágenes RGB, que sólo obtuvo un 60.23 % en el entrenamiento y un 55 % en el proceso de validación. Este hecho hace cada vez más evidente que las texturas que se pueden observar en las imágenes en escalas de grises son más ricas en características que las que se encuentran en las imágenes de escala de colores RGB, y que estas son más relevantes en el proceso de clasificación.

Aun así, algunas categorías de las imperfecciones, como las "fisuras longitudinales y transversales" o los "parches", presentaron tasas de clasificación correcta más bajas, lo que sugiere que estas imperfecciones tienen características visuales similares a otras categorías, lo que provoca que el modelo no pueda hacer una correcta diferenciación.

El estudio realizado a través de las matrices de confusión denota que las confusiones más usuales se presentaron en los casos de "hundimiento" frente al "bache", ya que presentan similitudes entre ellos que a su vez reflejan sus patrones visuales.

Positivamente, los resultados obtenidos indican el potencial que tienen las redes neuronales convolucionales en el análisis estructural de los baches viales, después de haberse detectado los errores y lograr mejorar su exactitud y por lo tanto su capacidad de generalización.

Las investigaciones futuras podrían centrarse en ampliar el conjunto de datos y diversificarlo, explorar arquitecturas más complejas de redes neuronales o aplicar técnicas avanzadas de procesamiento de imagen y extracción de características con el fin de obtener mejoras en el rendimiento o en la calidad del sistema.