2026-04-05T10:53:22Zhttps://recercat.cat/oai/request

oai:recercat.cat:10230/424022025-12-19T20:28:17Zcom_2072_6col_2072_452954

Detector de baches con deep learning Manzanares González, Albert Mantenibilitat (Enginyeria) -- Automatització Aprenentatge automàtic Treball de fi de grau en Sistemes Audiovisuals Tutor: Xavier Binefa El estado de mantenimiento de las carreteras actuales es deficiente en la mayoría de los casos y puede causar un peligro para sus usuarios, además de daños a sus vehículos. La manera de reportar estas incidencias es de coste elevado, ya que se realiza manualmente por grupos de trabajadores que informan de estos daños, a partir de denuncias de usuarios o reportes por parte de la policía. Hoy en día, donde el poder de la información y de la tecnología nos gobierna, hay una tendencia a la desaparición de estos trabajos manuales: llega la automatización de muchas de estas tareas. En este proyecto nos hemos centrado en crear un detector de baches con tecnología Deep Learning. Su principal aplicación es reducir el coste del mantenimiento de las carreteras, automatizando y agilizando el trabajo, y además dar un uso particular, donde los usuarios de la carretera puedan mejorar su seguridad mediante el aviso del bache o adaptando la suspensión electrónica del vehículo para poder absorberlo mejor. Para cumplir con este objetivo hemos trabajado en el estudio de Deep Learning, ya que es una las tecnologías más actuales y con mejores resultados en el campo de la detección de objetos y está en expansión y mejora continua. En segundo lugar, hemos creado un detector de baches a partir de esta tecnología, pasando por la selección de cuál es la plataforma más adecuada y conveniente para este proyecto, explicando cómo hemos entrenado esta red neuronal, comparando diferentes modelos entrenados y por último hemos aplicado todo esto a una APP como un prototipo funcional de detector de baches. Animamos a todo aquel que le interesa el tema de Deep Learning y redes neuronales a que lea este proyecto, ya que no requiere experiencia previa para poder aprender acerca de su funcionamiento y uso. En todo el contenido que encontrarán, hemos intentado hacerlo lo más comprensible y contrastado posible. The maintenance condition of currently roads is poor in most cases and it may run a risk to users, as well as damage to their vehicles. The way to report these incidents is very expensive since it is done manually by groups of workers who report these damages based on reports of either users or the police. Nowadays, where the power of information and technology rules us, there is a tendency towards the disappearance of this manual labor: the automation of many of these tasks arrives. In this project we have focused on creating a pothole detector with Deep Learning technology. Its main application is to reduce the cost of road maintenance, automating and speeding the work, and also give them a particular use, where road users may improve their safety by the pothole warning or adapting the electronic suspension of the vehicle to be able to absorb it better. In order to achieve this goal we have worked in the study of Deep Learning, since it is one of the most current technologies and with the best results in the field of object detection which is in expansion and in continuous improvement. Secondly, we have created a pothole detector based on this technology, going through the selection of the most appropriate and convenient platform for this project, explaining how we have trained this neural network, comparing different trained models and finally we have applied all this to an APP as a functional prototype of a pothole detector. We encourage anyone who is interested in the subject of Deep Learning and neural networks to read this project, as it does not require previous experience to be able to learn about its operation and use. In all the content you will find, we have tried to make it as understandable and contrasted as possible. 2019-10-08T10:11:11Z 2019-10-08T10:11:11Z 2019 info:eu-repo/semantics/bachelorThesis Atribución-NoComercial-SinDerivadas 3.0 España http://creativecommons.org/licenses/by-nc-nd/3.0/es/ info:eu-repo/semantics/openAccess