Algunos de los problemas de derrumbes o socavones en urbes como la Ciudad de México, generados por infraestructura vieja y fugas en el sistema de desagüe podrían tener una solución gracias a un equipo de ingenieros japoneses de Kawasaki Geological Engineering (KGE), que desarrollaron dos vehículos capaces de detectar socavones o irregularidades en calles, avenidas o carreteras con un nivel de precisión de 82% gracias a sistema de inteligencia artificial.
El vehículo está equipado con un radar que mediante tecnología de resonancia de onda electromagnética es capaz de analizar hasta dos metros por debajo de la superficie para detectar irregularidades, daños, cavidades o socavones y corregirlas a tiempo a fin de evitar derrumbes o colapsos en la infraestructura.
Dado que el vehículo está equipado un sistema de posicionamiento global y cámaras de alta definición permite la ubicación y registro visual de la zona afectada, a fin de que la información sea entregada al gobierno o empresa privada encargada de ejecutar los mantenimientos o arreglos a la infraestructura urbana.
De acuerdo con la gente de KGE, el problema de socavones es un tema recurrente en Japón, dado la propensión de la zona a terremotos y lo antiguo de algunas de las infraestructuras en diversas ciudades. Algunos de los datos más recientes señalan que solo en 2015 ocurrieron más de 3,300 incidentes de este tipo.
Una situación que no es ajena a países como México. Un ejemplo fue el socavón de más de 15 metros de diámetros y cinco metros de profundidad que a mediados de julio de 2017 cobró la vida de dos personas en el paso exprés de la carretera México-Cuernavaca .
Ese mismo año, un mes después, en la Ciudad de México un boquete de casi 10 metros de diámetro y 20 metros de profundidad se abrió en la colonia centro de la ciudad, en ese entonces expertos de la UNAM y el IPN señalaron que la ciudad podría ser más propensa a este tipo de incidentes debido al crecimiento en la población y la explotación del manto acuífero.
Debido a que este tipo de fallas se “esconden” varios metros debajo del suelo, son complejas de detectar o corregir a tiempo.
“Es como si se trata de un escáner médico de rayos X, que nos permite capturar una imagen completa de la infraestructura”, explicó Toshimune Imai, líder del proyecto de KGE.
El equipo de ingenieros desarrolló tres unidades móviles que pueden crear un análisis de vías en un rango de hasta 100 kilómetros de distancia. Sin embargo, dado el volumen de data que recolectaban los automóviles y la necesidad de que especialistas humanos revisarán de forma individual cada hoja de información el nivel de precisión o falsos positivos era elevado.
“Los humanos tienden a cansarse y a veces podemos pasar por alto una irregularidad por esa misma situación o por la presión de análisis. Por eso optamos por utilizar un sistema de aprendizaje de máquina (Inteligencia artificial) que analizará la información obtenida por las unidades móviles”, comentó Imai.
Apoyados por la firma de tecnología Fujitsu, KGE entrenó un algoritmo de machine learning con miles de imágenes imágenes obtenidas por los radares y sistemas en los vehículos otorgadas por KGE
“Al principio como alimentamos el algoritmo con todo tipo de imágenes la inteligencia artificial era muy propensa a marcar socavones donde no existía ninguno, por eso decidimos sólo utilizar datos curados y de alta definición”, dijo el experto.
Con la mejora del entrenamiento, el especialista de KGE explicó que el sistema de inteligencia artificial es capaz de detectar socavones o cavidades en las infraestructuras con una 82% de precisión.
En un ejercicio que hicimos, comentó Imai, sobre una de las muestras de imágenes “los técnicos humanos detectaron 50 irregularidades cuando únicamente había 40 fallas, mientras que el sistema de AI casi logró más de 80% de precisión en la misma prueba”.
La idea del proyecto no es reemplazar a los técnicos humanos, sino facilitar el procesamiento de imágenes y ayudar a los humanos a dar una segunda validación al proceso de detección.
Imai comentó que KGE actualmente trabajan en elevar el nivel de detección del sistema de inteligencia artificial y extender la pruebas a otro tipo de subsuelos. Aunque aún no tienen planes para comercializar la tecnología espera que en 2021 a 2022 su uso comience a expandirse en Japón y eventualmente en otros países.
Fuente: Expansion