Resumen

Para mejorar la eficacia de los estudios periódicos del estado del pavimento asfáltico, este estudio propone un método inteligente para automatizar la clasificación de los patrones de grietas del pavimento. El nuevo enfoque se basa en técnicas de procesamiento de imágenes y algoritmos de inteligencia computacional. Las técnicas de procesamiento de imágenes de la pirámide laplaciana y la integral de proyección se emplean para extraer características numéricas de las imágenes digitales. La máquina de vectores de soporte de mínimos cuadrados (LSSVM) y la polinización floral diferencial (DFP) son los dos algoritmos de inteligencia computacional que se emplean para construir el modelo de clasificación de grietas basado en las características extraídas. El LSSVM se emplea para la clasificación de los datos. Además, la fase de construcción del modelo de LSSVM requiere una configuración adecuada de los parámetros de regularización y de la función del núcleo. Este estudio se basa en el DFP para ajustar estos dos parámetros de LSSVM. Se ha recogido un conjunto de datos compuesto por 500 muestras de imágenes y cinco etiquetas de clase de grieta de cocodrilo, grieta diagonal, grieta longitudinal, sin grieta y grieta transversal para entrenar y verificar el enfoque establecido. Los resultados experimentales muestran que la pirámide laplaciana es realmente útil para mejorar las imágenes del pavimento y revelar los patrones de grietas. Además, la hibridación de LSSVM y DFP, denominada DFP-LSSVM, utilizada con la pirámide de Laplaciano en el nivel 4 puede ayudarnos a alcanzar la tasa de precisión de clasificación más alta del 93,04%. Por lo tanto, el nuevo enfoque híbrido de DFP-LSSVM es una herramienta prometedora para ayudar a las agencias de transporte en la tarea de la inspección del estado del pavimento.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:algoritmo de inteligencia computacional, pirámide laplaciana, técnicas de procesamiento de imágenes, dfp, lssvm, polinización diferencial de flores, parámetros de la función kernel, etiqueta de caimán, tarea de pavimento, modelo de clasificación de grietas
• Keywords:computational intelligence algorithm, laplacian pyramid, image processing techniques, dfp, lssvm, differential flowers pollination, kernel function parameters, label of alligator, task of pavement, crack classification model