Crédito: dominio público Unsplash/CC0
Necati Catbas colaboró con su ex estudiante de ingeniería civil Marwan DeBees, Ph.D., quien ahora trabaja como gerente de programas de puentes de la NASA, en una investigación que detalla cómo la termografía infrarroja, la imagen de alta definición y el análisis de redes neuronales pueden combinarse para hacer que las inspecciones de puentes de concreto sean más eficientes.
Los ingenieros pueden aprovechar Catbas y DeBees de que sus hallazgos, publicados en el Registro de Investigación de Transporte, puedan ser aprovechados por los ingenieros a través de una combinación de estos métodos para identificar estratégicamente las condiciones del puente y asignar mejor los costos de reparación.
“Si entendemos mejor qué puentes necesitan más reparaciones y qué puentes pueden posponerse, entonces (las agencias de financiación) pueden usar fondos limitados de manera más sabia, y luego podemos dirigir nuestros esfuerzos a los puentes realmente críticos”, dice Catbas.
“Tenemos alrededor de 650,000 puentes en los EE. UU. Y hemos estado trabajando para examinar cómo podemos usar tecnologías novedosas para comprender la condición existente de las estructuras”.
DeBees notó una instancia durante una prueba de carga de puente de la NASA donde Catbas y su equipo ayudaron a evaluar las reparaciones. Determinaron que las reparaciones realizadas eran suficientes, en última instancia, eliminando la siguiente fase del trabajo planificado.
“Solo estamos gastando el dinero donde necesitamos en lugar de hacerlo sin una comprensión integral de las condiciones reales del puente en el campo”, dice DeBees. “El objetivo es comprender mejor las condiciones del puente y tener una mejor lista de prioridades de lo que los puentes realmente necesitan”.
Diagnóstico de puentes de concreto
Catbas dice que lo que hacen él y otros ingenieros civiles para evaluar la integridad general de una estructura pueden compararse con los diagnósticos de un médico por el bienestar de una persona.
“El monitoreo de la salud estructural, que es casi como el monitoreo de la salud humana, es donde utilizamos diferentes tipos de equipos para comprender mejor la seguridad y la capacidad de servicio de las estructuras”, dice.
Para ayudar a tomar imágenes de alta definición para compararse con los datos infrarrojos, los investigadores colaboraron estrechamente con Nexco-West US Inc, una compañía de evaluación no destructiva en Tysons, Virginia, que tiene vehículos especializados equipados con herramientas de imágenes.
Con el apoyo de la compañía, el equipo de investigación utilizó los datos infrarrojos para evaluar las condiciones de los componentes del puente, incluida la cubierta, la superestructura y la subestructura.
“En cuanto al infrarrojo en sí, hay algunas limitaciones”, dice DeBees. “Una de las cosas en este documento que ayudó a superar algunas de estas limitaciones son las imágenes de alta definición para complementar las imágenes infrarrojas”.
Las tecnologías que fueron utilizadas en el estudio por CATBA y DeBees proporcionaron un registro más completo de salud del puente de concreto.
“La visualización humana tiene limitaciones”, dice Catbas. “Es casi como un médico que solo lo mira y dice que se ve bien cuando puede estar realmente bien, o puede que no lo esté. Puede haber otros problemas que los sensores y otras tecnologías pueden decirle, como cuando un médico dice que quiere más pruebas, por lo que le envía una rayos X o una MRI. Estamos adoptando un enfoque similar a nuestros puentes”.
Cerrar la brecha entre la tecnología y la interpretación
La termografía infrarroja funciona recolectando las respuestas térmicas de una estructura, que pueden indicar defectos dentro de ella, como pérdida de calor, intrusión de humedad u otros problemas estructurales.
Para analizar las diferentes partes del puente, como la cubierta, la superestructura y la subestructura, el equipo de investigación utilizó termografía y tecnologías de captura de imágenes desplegadas en barcos debajo del puente y en vehículos que viajan a través de él para que el tráfico no se impidiera y los automovilistas puedan continuar usando las carreteras.
La combinación de inspección visual e imágenes es una práctica común, pero DeBees dice que el elemento de utilizar una red neuronal y el aprendizaje automático para descifrar los datos es algo que es un componente emergente de las inspecciones. El conocimiento colectivo de ingenieros experimentados que realizan inspecciones similares se utilizó para comparar los resultados en el estudio.
“La forma en que difiere de otra utilización es que no estamos utilizando solo cámaras infrarrojas y recopilando datos sin procesar, pero luego tenemos un nivel de postprocesamiento, y estamos eliminando el ruido o la información innecesaria dentro de la imagen infrarroja”, dice DeBees.
“Luego usamos estos datos para comprender dónde están estos defectos y luego los integramos dentro de los procesos de inspección del puente requeridos actuales. Cerramos el bucle mediante la toma de decisiones y los algoritmos con una red neuronal Perceptron fácil de usar para guiar al inspector o ingeniero sin gastar demasiado tiempo o análisis de datos”.
Las dos partes del documento son cómo implementar esta nueva tecnología y cómo se puede usar para acelerar la toma de decisiones mientras lo mantiene preciso y seguro, dice.
“Cuando hacemos inspecciones de puentes, nuestro objetivo es encontrar formas de acelerar o hacerlo más eficiente, al tiempo que tenemos más datos en los que confiar en el futuro o en la toma de decisiones inmediatas”, dice DeBees.
“Podemos determinar qué puente debe evaluarse de inmediato, lo que necesita más pruebas y podemos ver la importancia del hallazgo más rápido”.
Cruzando hacia el futuro
DeBees dice que una de las partes más emocionantes de los resultados de la investigación es la comprensión de que el marco de técnicas de inspección múltiple puede integrarse con el conocimiento colectivo y aplicarse para monitorear una amplia variedad de estructuras.
“No nos limitamos a los puentes concretos”, dice. “Podemos construir sobre esta investigación y aplicarla con diferentes métodos de inspección y usarlo para diferentes tipos de infraestructura. Podemos probar esto en edificios de concreto o puentes de acero, edificios u otras estructuras”.
El uso del aprendizaje automático y el conocimiento colectivo para interpretar datos es algo que DeBees cree que continuará teniendo un papel en las inspecciones incluso más allá del alcance de su estudio.
“Creo que lo que me fue revelador es que hay espacio, incluso fuera de las inspecciones convencionales, para utilizar más redes neuronales de toma de decisiones para estandarizar la toma de decisiones (proceso)”, dice. “Puede facilitar a las personas en el campo saber dónde tomar decisiones en el lugar o dónde buscar ayuda más experimentada”.
Hay amplias oportunidades para descubrir formas aún más innovadoras de evaluar la salud estructural, y Catbas dice que con gusto espera cumplir con el próximo desafío con ex alumnos y colaboradores como las Debes.
“Al igual que otros estudiantes de doctorado, todavía nos mantenemos en contacto una vez que se gradúan y luego nos convertimos en mi colega”, dice Catbas mientras recurre a DeBees. “Entonces, mi pregunta es esta: ‘¿En qué vamos a trabajar a continuación?'”
Más información: Marwan DeBees et al, evaluación rápida y toma de decisiones para puentes concretos, registro de investigación de transporte: Journal of the Transportation Research Board (2025). Doi: 10.1177/03611981251330892
Proporcionado por la Universidad de Florida Central
Cita: ‘Bridge Doctor’ combina imágenes, red neuronal para evaluar eficientemente la seguridad de los puentes concretos (2025, 19 de mayo) recuperada el 19 de mayo de 2025 de https://techxplore.com/news/2025-05-bidge-doctor-combines-imaging-neural.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
