INGENIERIA CIVIL

Permanent URI for this community

https://publicaciones.fctunca.edu.py/handle/123456789/10

Browse

Browsing INGENIERIA CIVIL by Subject "Ciencia de Datos"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    MÉTODO DE INTERPRETACIÓN AUTOMATIZADA DE BOCETOS ARQUITECTÓNICOS PARA LA OBTENCIÓN DE PLANOS EN PLANTA CAD, CÓMPUTOS DE LOS DIFERENTES ELEMENTOS CONSTRUCTIVOS, PREDIMENSIONAMIENTO Y SOLICITACIONES DE LOSAS.
    (FCyT UNCA, 2022-12) FLORES BARRETO, MARCOS VIRGILIO ; FERREIRA NUBERGER, KEVIN ALEXANDER ; RAMÍREZ VILLANUEVA, FREDY GABRIEL
    Este trabajo de tesis utiliza el sistema de detección de objetos basado en redes neuronales YOLO (You Only Look Once) para automatizar el proceso de interpretación de bocetos arquitectónicos hechos a mano. El sistema fue entrenado para identificar varios elementos clave en los dibujos, categorizados en clases como paredes, puertas, ventanas, cotas, números (del 0 al 9), comas, losas y sanitarios. Se desarrolló un algoritmo que, basándose en estas detecciones, agrupa los dígitos individuales en conjuntos de números decimales que representan las medidas reales de las cotas en el boceto. Estos valores se asignan a las cotas correspondientes, y el algoritmo genera los ejes donde se ubicarán las mamposterías. Asimismo, el sistema coloca puertas y ventanas en los lugares correctos según las detecciones, y ajusta las losas a escala dentro del plano. Los datos obtenidos por el algoritmo se almacenan en matrices que definen la ubicación y características de los elementos arquitectónicos. Estas matrices son fundamentales para el funcionamiento de los algoritmos subsecuentes, ya que contienen los datos de entrada necesarios para realizar otras operaciones. Tres algoritmos adicionales se desarrollaron a partir de estas matrices. Cada uno tiene un propósito distinto: el primero genera planos en formato CAD a partir de las detecciones; el segundo calcula cómputos de diversos elementos constructivos, facilitando el cálculo de materiales necesarios; y el tercero se enfoca en predimensionar y calcular las solicitaciones de las losas, proporcionando información clave para el diseño estructural. Este enfoque automatiza de manera eficiente la interpretación de bocetos arquitectónicos, permitiendo la creación rápida de planos, el cálculo de materiales y la evaluación estructural, lo que mejora significativamente la precisión y el ahorro de tiempo en proyectos de arquitectura y construcción.
  • No Thumbnail Available
    Item
    Segmentación de grietas superficiales en pavimento asfáltico utilizando técnicas de visión artificial
    (FCyT UNCA, 2024-12) Soto Olguin, Luz Rashell; RAMÍREZ VILLANUEVA, FREDY GABRIEL
    Este estudio presenta el desarrollo de un algoritmo basado en redes neuronales convolucionales para la segmentación de grietas en pavimentos asfálticos, utilizando una base de datos propia y evaluando la precisión de los resultados del mismo después de implementar las mejoras identificadas durante la evaluación del desempeño del algoritmo para el incremento de la precisión y la fiabilidad en la detección de grietas en el pavimento. Se capturaron 837 imágenes en la ciudad de Coronel Oviedo, Paraguay, de las cuales 505 contenían grietas. Las imágenes fueron preprocesadas y divididas en secciones de 512x512 píxeles, generándose máscaras manuales para la detección de grietas. La arquitectura U-Net fue seleccionada para el entrenamiento de la red neuronal, con imágenes de 256x256 píxeles, utilizando 500 épocas y un tamaño de lote de 8. El modelo fue evaluado mediante métricas de segmentación, obteniendo un F1 Score de 0.9956 y un valor de intersección sobre la unión (IoU) de 0.9913, lo que indica una alta precisión en la detección de grietas. Además, se implementó un procedimiento para cuantificar el ancho de las grietas, clasificándolas en dos categorías: menores o iguales a 3 mm que no presentan mayores riesgos para el pavimento, y mayores a 3 mm los cuales deben ser tratados mediante sellantes indicados por el Manual de carreteras del Paraguay. A pesar de la presencia de algunos falsos positivos y negativos, el modelo mostró un rendimiento superior en comparación con estudios previos.

Atribución/Reconocimiento-NoComercial 4.0 Internacional

Usted es libre de:

  1. Compartir — copiar y redistribuir el material en cualquier medio o formato
  2. Adaptar — remezclar, transformar y construir a partir del material
  3. La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia

Bajo los siguientes términos:

  1. Atribución — Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios.
  2. NoComercial — Usted no puede hacer uso del material con propósitos comerciales.
  3. No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.

Avisos:

No tiene que cumplir con la licencia para elementos del material en el dominio público o cuando su uso esté permitido por una excepción o limitación aplicable.

No se dan garantías. La licencia podría no darle todos los permisos que necesita para el uso que tenga previsto. Por ejemplo, otros derechos como publicidad, privacidad, o derechos morales pueden limitar la forma en que utilice el material.