Evaluación de técnicas de preprocesamiento y clasificación automática (Random Forest y Decisión Tree) en imágenes digitales de fisuras y grietas en concreto.

Abstract

El presente trabajo tiene como objetivo diseñar y evaluar un modelo de clasificación automática de fisuras y grietas en estructuras de concreto, mediante la integración de algoritmos supervisados (Random Forest y Decision Tree) y técnicas de preprocesamiento de imágenes. Esta propuesta busca contribuir al desarrollo de sistemas de inspección estructural automatizados, especialmente en entornos urbanos colombianos donde el deterioro de edificaciones por envejecimiento, actividad sísmica o falta de mantenimiento es una problemática creciente. La metodología adoptada se enmarca en un enfoque cuantitativo, con un diseño experimental basado en procesamiento digital de imágenes y clasificación supervisada. Se recopilaron imágenes de concreto fisurado, las cuales fueron sometidas a técnicas de preprocesamiento como binarización, ajuste de contraste y detección de bordes. Posteriormente, se extrajeron características morfológicas (área, longitud, orientación) y texturales (HOG, LBP, GLCM), que sirvieron como vectores de entrada para los modelos de clasificación. Los algoritmos Random Forest y Decision Tree fueron entrenados y validados utilizando conjuntos de datos etiquetados. El desempeño de los modelos se evaluó mediante métricas como precisión, sensibilidad, especificidad y matriz de confusión. Los resultados obtenidos muestran que ambos clasificadores alcanzan niveles aceptables de exactitud, siendo Random Forest el modelo con mejor desempeño general, especialmente en escenarios con ruido o variabilidad en la iluminación.