Uso de algoritmos machine learning para detectar avance de urbanización a través de captura de fotos con UAV

Vista sencilla de ítem
dc.contributor.advisorToledo Villegas, Mauricio
dc.contributor.authorRosas Cerón, Ignacia Andrea
dc.contributor.editorFacultad de Ingeniería
dc.date.accessioned2023-03-16T22:17:55Z
dc.date.available2023-03-16T22:17:55Z
dc.date.issued2021
dc.descriptionMemoria (Ingeniero Civil)es
dc.description.abstractHoy en día el control de avance en la construcción se realiza manualmente por una persona, en donde según sus criterios determina el avance de alguna partida la cual está sujeta a la subjetividad. Además, al ejecutarse de manera manual el tiempo destinado a esta actividad es alto y existen deficientes respaldos físicos como manera de indicar el control de avance medido. En el presente trabajo de investigación se propone una metodología para medir avance en trabajos de urbanización a través de Color Classification CNN y YOLOv5 en donde mediante fotografías capturadas con UAV, por un lado, se construye un ortomosaico y por el otro son subdivididas y clasificadas para someterlas a un proceso de entrenamiento. Después el ortomosaico es subdividido para la detección de la partida de interés y luego se comienza con la agrupación de las subimágenes, formando nuevamente el ortomosaico con detecciones por Machine Learning. Posteriormente se cuantifica la detección a través de una Ficha de Avance. Finalmente, se aplicará una encuesta de validación a 5 trabajadores del proyecto. En este trabajo se obtiene una metodología para medir avance de urbanización a través de 6 pasos, en donde para partidas que se miden lineal y superficialmente se utiliza Color Classification CNN y para partidas controladas por unidad se usa YOLOv5. Se obtiene el avance de cada partida logrando con Color Classification una precisión promedio en mediciones de un 91,5% y con YOLOv5 una precisión de 90%. En cuanto a la validación se obtiene una aprobación global de 3,6 en una escala del 1 a 4.es
dc.description.abstractNowadays the construction progress control is carried out manually by a person, where according to their criteria, the progress of an item is determined, which is subject to subjectivity. The process is done manually, and it is labor intensive, there are deficient physical backups for the progress control. In this work, we propose a methodology to measure progress in urbanization works through Color Classification CNN and YOLOv5 where by means of photographs captured with UAV, on the one hand, an orthomosaic is built and on the other they are subdivided and classified to subject them to a training process. Then the orthomosaic is subdivided for the detection of the item of interest and then begins with the grouping of the sub-images, forming the orthomosaic again with Machine Learning detections. Subsequently, the detection is quantified and presented on a Progress Sheet. Finally, a validation survey will be applied to 5 project workers. In this work, a methodology is obtained to measure the progress of urbanization through 6 steps, Color Classification CNN is used for items that are measured linearly and superficially. YOLOv5 is used for items controlled by unit. The progress of each item is obtained, achieving with Color Classification an average precision in measurements of 91.5% and with YOLOv5 an accuracy of 90%. Regarding validation, an overall approval of 3.6 is obtained on a scale Likert of 1 to 4.
dc.identifier.urihttps://repositorio.unab.cl/xmlui/handle/ria/47540
dc.language.isoeses
dc.publisherUniversidad Andrés Belloes
dc.subjectAprendizaje de Máquinaes
dc.subjectAlgoritmos Computacionaleses
dc.subjectUrbanizaciónes
dc.subjectInnovaciones Tecnológicases
dc.titleUso de algoritmos machine learning para detectar avance de urbanización a través de captura de fotos con UAVes
dc.typeTesises
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
a140743_Rosas_I_Uso_de_algoritmos_machine_learning_2021_Tesis.pdf
Tamaño:
3.13 MB
Formato:
Adobe Portable Document Format
Descripción:
TEXTO COMPLETO EN ESPAÑOL
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
FIng - Trabajos de Titulación Pre-Grado