El investigador predoctoral de la UC, Saúl Cano Ortiz, máster de Data Science (Ciencia de Datos, UIMP-UC) y graduado en Física por Universidad de Alicante (UA), ha desarrollado, en el marco de su tesis doctoral, un modelo de inteligencia artificial capaz de detectar el pavimento deteriorado, o próximo a deteriorarse.

El punto de partida de su investigación es el de aplicar la ciencia de datos a necesidades en ingeniería civil. «Llegué al Grupo GITECO y me dijeron que buscara una necesidad, estuve unos meses investigando y llegué a este problema: tratar de mejorar el estado actual del mantenimiento de las carreteras mediante IA», explica Cano-Ortiz.

Bajo la dirección de Pablo Martínez y Lara Lloret, investigadores del Instituto de Física de Cantabria (IFCA, CSIC-UC) y Daniel Castro Fresno (GITECO -UC), con la colaboración de Pedro Lastra-González (GITECO -UC), lo que propone el físico es el diseño de un dispositivo de adquisición de imágenes de bajo coste, que se adapte a cualquier vehículo, y cuyo sistema de visión artificial, basado en un modelo de aprendizaje profundo (deep learning), sea capaz de detectar, localizar, y clasificar automáticamente los diferentes tipos de defectos existentes en las carreteras.

Además, han creado MAPSIA, un software basado en un visor a modo de Google Maps, que muestra el estado de las carreteras a nivel nacional y local, y financiado por el programa Next Generation del Ministerio de Ciencia.

«MAPSIA en un sistema de visión artificial que consigue detectar de manera automatizada los defectos en la carretera, para promover un mantenimiento de carreteras inteligente, ahorrar costes, y facilitar la monitorización del estado del pavimento», afirma Cano-Ortiz.

«Es una especie de Google Maps, pero no va orientado a llevarte, sino que, mediante IA, te permite saber cuál es el estado o la condición del pavimento para que nuestras carreteras sean más seguras», añade.

Los resultados de este estudio se han publicado en las revistas científicas Construction and Building Materials y Developments in the Built Environment.

Recorriendo las carreteras de Cantabria

El investigador colocó un dron en la parte trasera de su coche y con él recorrió las carreteras de Cantabria durante varios meses. Así comenzó el trabajo de campo. «Fui grabando vídeos con la cámara del dron anclado al coche y luego esos vídeos los he separado en imágenes, que son las que han alimentado al modelo para detectar los defectos superficiales en la carretera», explica. Además, los vídeos se han etiquetado manualmente, por parte de expertos en pavimentos de la UC.

Una vez entrenado, el modelo es capaz de detectar, clasificar y localizar distintos defectos de la carretera, como fisuras o baches. «Aprende la relación entre la imagen, dónde encontrar el defecto de la carretera, y qué tipo de defecto es», explica Cano-Ortiz.

Sistema automático, escalable, barato y fácil de usar

Actualmente, este tipo de tarea de monitorización del estado del pavimento se realiza de forma visual, lo que implica el desplazamiento de personal en un vehículo especializado equipado con varios sensores, «resultando a largo plazo una tarea poco eficiente, debido a la extensión de los pavimentos y al precio de los vehículos. Algo que, por supuesto, ni siquiera ocurre en países en vías de desarrollo», afirma el físico.

«El nuestro es un sistema automático, escalable, barato y fácil de usar, y nos dirigimos a las administraciones públicas de conservación de carreteras, o las empresas que tienen una sección de conservación de las mismas», comenta.

Evitar futuros accidentes de tráfico

Otro de los principales beneficiarios de esta iniciativa son los propios conductores/as, ya que, como explica el investigador, «si hay defectos, la probabilidad de atasco y accidente es mayor, porque se suele reducir la velocidad o esquivar deterioros, por ejemplo, en el caso de baches para motoristas», por tanto, el modelo implicaría «más seguridad, más confort de conducción y menos atascos».

«Si yo sé donde urge más reparar, tomo una mejor decisión, y como reparo con antelación, gasto menos dinero», sostiene el investigador. Además, las técnicas de mantenimiento preventivo «tienen un menor impacto medioambiental, que las de mantenimiento correctivo», concluye.

Ahora Saúl viajará a Aachen (Alemania) para finalizar su doctorado en la Universidad Técnica de Hagen (RTWH University), y espera volver a Cantabria con una mayor experiencia para aplicarla a su modelo de diagnóstico de carreteras.