NOTICIAS INMOBILIARIAS PROFESIONALES.
NOTICIAS DE LA CONSTRUCCIÓN, URBANISMO E INMOBILIARIO.

NOTICIAS DE LA CONSTRUCCIÓN, URBANISMO E INMOBILIARIO.

  • 1ª Revista Iberoamericana de construcción, urbanismo e inmobiliario. 

25 de noviembre de 2021
 
NOTICIA ADAPTADA AL SISTEMA EDUCATIVO inmoley.com DE FORMACIÓN CONTINUA PARA PROFESIONALES INMOBILIARIOS. ©

INTELIGENCIA ARTIFICIAL PARA LA INSPECCIÓN DE INFRAESTRUCTURAS
¿Qué guía práctica soluciona este tipo de casos? Convertir conocimiento en valor añadido > Herramienta práctica >Guías prácticas
¿Qué debe saber un profesional en un caso práctico como el de la noticia?
  • Las inspecciones ofrecen una instantánea del estado de la infraestructura, pero la inteligencia artificial mejorará se anticipará a los posibles daños mediante un análisis constante de las causas. Una auténtica revolución en la prevención de daños estructurales.

  • Se están usando redes artificiales de conocimiento para la clasificación de los defectos y sus consecuencias. Las bases de investigación son fotos, vídeos e información topográfica.
A medida que los puentes, edificios y otras estructuras del mundo envejecen, se vuelve cada vez más esencial implementar programas de inspección y monitoreo de salud estructural (proactivos y preventivos para mantener su operación diaria segura. A partir del diseño y la construcción inicial y continuando durante toda la vida útil de la estructura, estas tecnologías de inteligencia artificial pueden detectar y ayudar en la reparación de grietas y corrosión antes de que ocurra cualquier daño real, evitando el cierre de un puente o un accidente. El monitoreo de salud estructural y en especial las técnicas de inteligencia artificial ya se están empleando para monitorear presas, carreteras y vías férreas. Esto es posible combinando inspecciones, fusión de sensores y sistemas de monitoreo en línea inalámbricos 24/7 para observar el estado en tiempo real de los cables de suspensión, tirantes de cable y otros componentes estructurales críticos en puentes y otras estructuras civiles.

 
CONTROL REMOTO DE OBRA EN TIEMPO REAL 

Los rápidos avances en la investigación de la inteligencia artificial (IA) permiten transferir tareas que son repetitivas y tediosas pero al mismo tiempo complejas por naturaleza y que exigen atención y precisión de los humanos a las máquinas. Además, el uso de IA hace que los procedimientos de las tareas dadas más rápidos y, por lo tanto, rentables. La inspección de carreteras en busca de deterioro puede ser una de estas tareas tediosas pero complejas. 

¿Podría una máquina armada con una inteligencia artificial y hardware de última generación salvar a los oficiales de carretera de esta tarea? Hacerlo de la manera tradicional es costoso

El pavimento tiende a deteriorarse con el tiempo bajo la influencia del tráfico y la presión del medio ambiente, como las condiciones climáticas variables y los movimientos del suelo. La inspección de carreteras eficiente y oportuna es uno de los elementos clave de un sistema de gestión de pavimentos exitoso. Sin embargo, la inspección visual humana periódica de la superficie de la carretera tiende a ser costosa y requiere mucho tiempo. Esto se debe, en primer lugar, a que la inspección debe realizarse con bastante lentitud para que el ojo humano pueda detectar posibles defectos. En segundo lugar, se necesitan dos personas, ya que los humanos pueden concentrarse en una sola tarea a la vez. Conducir un automóvil es una tarea muy compleja y que requiere atención y no es seguro, si no imposible, inspeccionar la carretera al mismo tiempo que se conduce un automóvil. En tercer lugar, todos los datos recopilados se ingresan manualmente en el sistema y solo entonces es posible analizarlos.

¿Cómo funciona la IA en la detección de defectos?

El uso de IA en la detección de defectos está cada vez más extendido entre las empresas que ofrecen software de inspección vial. Bueno, ¿cómo funciona?

Al igual que con cualquier software impulsado por IA, la IA se entrena primero en miles de imágenes para poder distinguir el pavimento defectuoso, como baches, defectos en los bordes, grietas simples, grietas en la red y erosión, de las superficies aceptables de las carreteras. Para el entrenamiento, se utilizan dos tipos de datos de entrada: nuevas imágenes de entrada e imágenes de entrada anotadas. La IA aprende de los datos anotados manualmente para poder distinguir diferentes tipos de defectos viales en nuevos datos. Cuando finaliza el entrenamiento, se prueba la tasa de éxito del software impulsado por IA comparando sus resultados de detección con los resultados de un observador humano experimentado. 

Cuando la tasa de éxito es lo suficientemente alta, el software está listo para usarse. Si no es así, se llevará a cabo más entrenamiento para alcanzar un mayor nivel de precisión.  
  
 

Copyright © inmoley.com Todos los derechos reservados. El uso anagramas,  símobolos o información sin autorización expresa de inmoley.com  y al margen de las condiciones generales de contratación de inmoley.com, será perseguido judicialmente.

ir a inicio de página
 
Volver a la página anterior