A platform for smart infrastructure monitoring with unmanned aerial vehicles and deep learning techniques

Abstract

[ES] En los últimos años y con la evolución de la inteligencia artificial (IA) y las técnicas de aprendizaje automático, se ha potenciado la captación y procesamiento de imágenes aéreas, brindando soluciones innovadoras a desafíos sociales, pudiendo destacar entre otros la monitorización de carreteras e infraestructuras urbanas. A raíz de algunas crisis económicas recientes, muchos países han reducido el mantenimiento de sus carreteras, lo que ha aumentado los defectos en el pavimento, elevando los riesgos de accidentes y complicaciones en el tráfico. Para dar solución a esta problemática, se han propuesto varios métodos, desde técnicas de vibración hasta reconstrucción 3D. Sin embargo, el uso predominante de inspecciones manuales o vehículos específicos implica altos costes. Actualmente, son numerosos los centros de investigación que buscan soluciones utilizando inteligencia artificial y procesamiento avanzado de imágenes. En contextos urbanos, donde el crecimiento puede llegar a ser algo caótico, es fundamental monitorizar su expansión con criterios ambientales y urbanísticos particulares. Antiguamente, esta tarea se realizaba manualmente o con imágenes satelitales que resultaban muy complejas para su procesamiento. Esta investigación se centra en la utilización de vehículos aéreos no tripulados para detectar y clasificar objetos, haciendo uso de imágenes y técnicas basadas en inteligencia artificial. Los resultados de este trabajo se han plasmado en forma de 3 publicaciones en revistas de reconocido prestigio. Durante la elaboración de este trabajo de investigación se ha prestado una especial atención para cumplir con los Objetivos de Desarrollo Sostenible (ODS), específicamente con el ODS-9 y ODS-11. Las principales contribuciones de este trabajo de investigación, incluye una revisión exhaustiva del estado del arte, el desarrollo de modelos de IA para detección y clasificación, un algoritmo avanzado de procesamiento de imágenes y la creación de un conjunto de imágenes para la comunidad científica. Los avances aquí plasmados justifican la mejora la nueva búsqueda de soluciones tecnológicas que persiguen una mayor eficiencia en la monitorización de carreteras y zonas urbanas, con la posibilidad de ser aplicados en otros dominios como áreas rurales, agricultura y salud pública. [EN] In recent years, with the evolution of artificial intelligence (AI) and machine learning techniques, the capture and processing of aerial images has been boosted, providing innovative solutions to social challenges, including road damage monitoring and urban infrastructures. As a result of some recent economic crises, many countries have reduced the maintenance of their roads, which has increased pavement defects, raising the risk of accidents and traffic complications. Various methods have been proposed to solve this problem, ranging from vibration techniques to 3D reconstruction. However, the predominant use of manual inspections or specific vehicles implies high costs. In urban contexts, the growth can be chaotic. It is essential to monitor the expansion with environmental and urban planning criteria. In the past, this task was done manually or with satellite images that were too complex to process. This research focuses on the use of unmanned aerial vehicles to detect and classify objects, using images and techniques based on artificial intelligence. The results of this work have taken the form of 3 publications in prestigious journals. This research work is meeting the Sustainable Development Goals (SDGs), specifically SDG-9 and SDG-11. The main contributions of this research include a comprehensive review of the state of the art, the development of AI models for detection and classification, an advanced image processing algorithm, and dataset creation. The advances presented here justify the improvement of the new search for technological solutions that pursue greater efficiency in the monitoring of roads and urban areas, with the possibility of being applied in other domains such as rural areas, agriculture, and public health.