Deep Learning for Structural Health Monitoring: A Case of Study Using Computer Vision for Structural Pathology Detection in Bridges
Aquesta tesi aborda el desenvolupament d’un sistema automatitzat per a la detecció de patologies estructurals en infraestructures mitjançant tècniques de visió per ordinador i aprenentatge profund. Utilitzant el model YOLO com a base, s’entrenen xarxes neuronals capaces d’identificar múltiples tipus...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | Universitat Politècnica de Catalunya (UPC) |
| Repositorio: | UPCommons. Portal del coneixement obert de la UPC |
| Idioma: | inglés |
| OAI Identifier: | oai:upcommons.upc.edu:2117/429936 |
| Acceso en línea: | https://hdl.handle.net/2117/429936 |
| Access Level: | acceso abierto |
| Palabra clave: | Machine learning Computer vision Structural control (Engineering) Bridges--Maintenance and repair Structural health Bridges Aprenentatge automàtic Visió per ordinador Control d'estructures (Enginyeria) Ponts--Manteniment i reparació Àrees temàtiques de la UPC::Enginyeria civil::Materials i estructures::Tipologies estructurals |
| Sumario: | Aquesta tesi aborda el desenvolupament d’un sistema automatitzat per a la detecció de patologies estructurals en infraestructures mitjançant tècniques de visió per ordinador i aprenentatge profund. Utilitzant el model YOLO com a base, s’entrenen xarxes neuronals capaces d’identificar múltiples tipus de defectes, com fissures, corrosió i desconxaments, a partir d’imatges capturades per càmeres i drons durant processos d’inspecció. La metodologia implementada combina la recopilació exhaustiva de dades, el seu etiquetatge detallat i l’entrenament de models optimitzats, destacant l’efectivitat del sistema enfront dels mètodes tradicionals d’inspecció visual en termes de precisió i eficiència. |
|---|