💻 computer science

Pixel-Level Pavement Distress Assessment Using Instance Segmentation

Este artículo presenta un sistema de segmentación de instancias basado en Mask R-CNN para la evaluación precisa de daños en pavimentos a nivel de píxel, que supera a la detección YOLO en precisión de localización y estimación agregada del área de grietas en un conjunto de datos personalizado recopilado en campo, al tiempo que destaca desafíos clave en la consistencia de la anotación y el desequilibrio de clases.

Autores originales: Logan Dewick (University of Wisconsin - Green Bay), Bibesh Pyakurel (University of Wisconsin - Green Bay), Kong Pheng Yang (University of Wisconsin - Green Bay), Nazim Choudhury (University of Wiscons

Publicado 2026-05-26

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Logan Dewick (University of Wisconsin - Green Bay), Bibesh Pyakurel (University of Wisconsin - Green Bay), Kong Pheng Yang (University of Wisconsin - Green Bay), Nazim Choudhury (University of Wisconsin - Green Bay), M. G. Sarwar Murshed (University of Wisconsin - Green Bay)

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un inspector de carreteras. Tu trabajo es encontrar grietas, baches y daños en el pavimento para que la ciudad pueda repararlos antes de que se conviertan en cráteres gigantes. En el pasado, tenías que caminar por las calles, entrecerrando los ojos sobre el asfalto, lo cual era lento, agotador y peligroso cerca del tráfico.

Este artículo trata sobre la construcción de un inspector digital que utiliza una cámara y un cerebro informático inteligente para realizar este trabajo automáticamente. Aquí está la historia de cómo lo construyeron y qué descubrieron.

El Problema: Por qué "Cajas" No es Suficiente

Los investigadores explican que los programas informáticos anteriores intentaban encontrar daños en las carreteras de dos maneras:

La Verificación "Sí/No": Mirar un pequeño cuadrado de carretera y decir: "¿Hay una grieta aquí?" (Bueno para saber si hay un problema, pero malo para saber dónde exactamente).
El Método de la "Caja": Dibujar una caja cuadrada alrededor de una grieta. Esto es como intentar envolver una serpiente larga y sinuosa en una caja de regalo cuadrada. La caja cubre a la serpiente, pero también cubre mucho espacio vacío, y no te dice la forma exacta de la serpiente ni cuán larga es realmente.

Para el mantenimiento de carreteras, necesitas conocer la forma exacta y el área total del daño para calcular los costos de reparación. Una caja cuadrada es demasiado torpe para grietas finas y ramificadas. Necesitas algo que pueda trazar la grieta como un rotulador, píxel a píxel.

La Solución: El "Rotulador Digital" (Segmentación de Instancias)

El equipo construyó un sistema llamado Mask R-CNN. Piensa en esto como un rotulador digital superinteligente. En lugar de simplemente dibujar una caja, puede:

Encontrar la grieta.
Dibujar un contorno perfecto alrededor de ella, siguiendo cada giro y curva.
Contar exactamente cuántos píxeles de la carretera están dañados.
Distinguir entre una grieta real y cosas que parecen grietas, como manchas de aceite, sombras o líneas pintadas en la carretera.

Lo probaron en un nuevo conjunto de datos que crearon llamado UWGB-STREETCRACK. Condujeron un coche con un iPhone 15 Pro Max montado en la parte delantera, grabando video de carreteras locales. Luego, dibujaron manualmente contornos poligonales precisos alrededor de cuatro tipos de daños:

Grietas longitudinales: Que corren paralelas a la carretera.
Grietas transversales: Que corren a través de la carretera.
Grietas tipo "piel de cocodrilo": Una red de grietas interconectadas (como la piel de un lagarto).
Baches: Huecos profundos en la carretera.

El Experimento: ¿Quién Ganó la Carrera?

Los investigadores enfrentaron a su "Rotulador Digital" (Mask R-CNN) contra otros dos tipos de modelos de visión por computadora:

El "Dibujante de Cajas" (YOLO): Un detector rápido que solo dibuja cuadrados.
El "Cortador de Recortes" (DeepSegmentor): Un modelo que solo funciona si recortas manualmente la grieta de la imagen primero.

Los Resultados:

El Ganador: El Mask R-CNN (específicamente la versión con un cerebro "ResNet-101") fue el campeón indiscutible.
- Fue increíblemente preciso al encontrar grietas (90% de recuperación) y muy bueno para no cometer errores (84% de precisión).
- La Prueba del "Área": Esta es la parte más impresionante. El área dañada real en las fotos de prueba fue 2.170%. El Mask R-CNN la estimó en 2.164%. ¡Esa es una diferencia de menos de una centésima de un porcentaje! Fue casi perfecto.
El Perdedor: El "Dibujante de Cajas" (YOLO) luchó terriblemente, con puntuaciones muy bajas. No pudo manejar bien las condiciones desordenadas y reales de la carretera.
El "Cortador de Recortes": Aunque podía estimar el área de una grieta si le dabas una imagen limpia y recortada, falló al observar una escena completa de la carretera porque se confundía con las sombras y las marcas viales.

Los Desafíos: Donde Todavía Troieza

Aunque el sistema es excelente, los autores admiten que aún no es perfecto. Encontraron algunos "fallos" en el mundo real:

Visuales Confusos: A veces la computadora confunde una mancha de aceite larga o una línea pintada con una grieta.
El Misterio de la "Tapa de Registro": Las áreas alrededor de las tapas de registro son complicadas. A veces la computadora no puede decir si una línea cerca de la tapa es una grieta o simplemente parte de la tapa metálica.
El Rompecabezas de la "Piel de Cocodrilo": Cuando hay una gran red de grietas, los humanos podrían discutir: "¿Es esta una grieta gigante o cinco pequeñas?". A veces la computadora adivina de manera diferente a la anotadora humana. Esto muestra que las reglas para dibujar las líneas deben ser muy estrictas.

La Conclusión

Este artículo demuestra que la Segmentación de Instancias (el "Rotulador Digital") es la mejor herramienta que tenemos actualmente para medir automáticamente los daños en las carreteras. No solo encuentra las grietas; las mide con un nivel de precisión que coincide casi perfectamente con los expertos humanos.

Los autores concluyen que, aunque el sistema está listo para ser una herramienta práctica para estimar cuánto de la carretera necesita reparación, aún debemos trabajar en hacer las "reglas" para etiquetar los datos más claras para que la computadora no se confunda con las sombras o las manchas.

Resumen Técnico: Evaluación de Daños en Pavimento a Nivel de Píxel Mediante Segmentación de Instancias

Planteamiento del Problema
La evaluación automatizada de daños en pavimentos requiere precisión geométrica que supera las capacidades de la clasificación a nivel de imagen o la detección mediante cajas delimitadoras gruesas. Aunque las cajas delimitadoras son eficientes para su implementación, no logran representar con exactitud grietas finas, ramificadas, irregulares o desconectadas, las cuales son críticas para cuantificaciones relevantes para el mantenimiento, como la estimación del área de grietas y el análisis morfológico. Además, las imágenes de carreteras recopiladas en campo presentan desafíos significativos, incluidos factores de confusión visual (sombras, manchas, marcas viales, bordes de registros) y la necesidad de distinguir entre múltiples instancias de daños simultáneos. La literatura existente a menudo se basa en regiones recortadas o escenas de una sola grieta, dejando un vacío en la evaluación del rendimiento de la segmentación sobre datos de carreteras reales de escena completa con múltiples categorías de daños.

Metodología
Los autores proponen un sistema basado en visión que utiliza segmentación de instancias Mask R-CNN implementado mediante el marco Detectron2. El sistema se evalúa sobre UWGB-STREETCRACK, un conjunto de datos personalizado adquirido utilizando un iPhone 15 Pro Max montado en un vehículo. El conjunto de datos comprende 1.874 imágenes (1.643 para entrenamiento/validación, 231 para prueba) anotadas con máscaras poligonales para cuatro clases: grietas longitudinales, grietas transversales, grietas tipo aligator y baches.

La tubería técnica involucra:

Preparación de Datos: Las anotaciones poligonales de Label Studio se rasterizan en máscaras de instancias binarias. Las imágenes se redimensionan (lado corto de 800 px, lado largo máximo de 1333 px) preservando la relación de aspecto.
Arquitectura del Modelo: Se consideraron cinco variantes de la arquitectura base Mask R-CNN, incluidas ResNet-50, ResNet-101 (con características FPN y C4) y ResNeXt-101. Los modelos se inicializaron con pesos preentrenados en COCO y se ajustaron finamente utilizando descenso de gradiente estocástico (momento 0.9, decaimiento de peso 0.0001) durante 40 épocas.
Inferencia y Evaluación: El sistema realiza localización, clasificación y segmentación a nivel de píxel conjuntas en imágenes completas de carreteras. La evaluación utiliza un protocolo específico del proyecto donde las instancias predichas se emparejan con la verdad fundamental mediante la Intersección sobre Unión (IoU) de la caja delimitadora ( $\ge$ 0.1). Las métricas incluyen Precisión, Recuperación, puntuación F1 y la fracción agregada del área de grietas.
Líneas Base Comparativas: Para contextualizar los resultados, los autores adaptaron un detector YOLO basado en CSPDarknet53 (entrenado desde cero en el conjunto de datos) y un modelo DeepSegmentor (adaptado como referencia a nivel de recorte) para servir como referencias de detección y segmentación, respectivamente.

Contribuciones Clave
El artículo realiza las siguientes contribuciones específicas:

Documentación del Conjunto de Datos: El lanzamiento y la documentación de UWGB-STREETCRACK, un conjunto de datos basado en teléfonos inteligentes con anotaciones a nivel de polígono para cuatro clases distintas de daños en pavimentos.
Implementación de la Tubería: Una descripción de una tubería completa de segmentación de instancias Mask R-CNN adaptada para daños en pavimentos, capaz de manejar imágenes de escena completa y estimar el área agregada de grietas.
Resultados Empíricos: El informe de resultados de prueba emparejados para experimentos Mask R-CNN archivados, preservando los valores originales de precisión, recuperación, F1 y fracción de área sin alteración.
Adaptación de Línea Base: La adaptación de un detector YOLO basado en Mandal CSPDarknet53 y un modelo DeepSegmentor en el mismo conjunto de datos para proporcionar referencias de detección de objetos y segmentación a nivel de recorte.
Análisis de Errores: Una identificación de lagunas metodológicas, incluida la ambigüedad en las anotaciones (por ejemplo, distinguir grietas tipo aligator de múltiples grietas lineales), la escasez de clases minoritarias y la falta de informes estandarizados de AP a nivel de máscara en los registros actuales del proyecto.

Resultados
El Mask R-CNN con una arquitectura base ResNet-101 FPN logró el mejor rendimiento entre las variantes evaluadas:

Precisión: 84.23%
Recuperación: 90.04%
Puntuación F1: 87.04%
Estimación de Área: El modelo predijo una fracción de área de grietas de 2.164%, coincidiendo estrechamente con la fracción de verdad fundamental de 2.170% (una diferencia absoluta de 0.006 puntos porcentuales).

En comparación, el detector YOLO (CSPDarknet53) adaptado logró métricas significativamente más bajas (27.5% de precisión, 20.7% de recuperación, 23.62% de F1) bajo el protocolo de validación. El modelo DeepSegmentor, aunque produjo una estimación de área similar (2.130%), se limitó a una evaluación a nivel de recorte y no pudo realizar localización de escena completa ni distinguir grietas de factores de confusión visual como sombras y marcas viales.

Significado y Afirmaciones
El artículo posiciona la segmentación de instancias como una dirección práctica para imágenes de pavimentos en campo y la estimación del área agregada de grietas. Los autores afirman que el marco propuesto aborda con éxito las limitaciones geométricas de los detectores de cajas delimitadoras al proporcionar máscaras a nivel de píxel que permiten un cálculo preciso del área.

Sin embargo, el artículo mantiene un tono modesto respecto a sus afirmaciones:

Declara explícitamente que es un estudio empírico aplicado en lugar de una propuesta de una nueva arquitectura de red.
Reconoce que los resultados se basan en protocolos de emparejamiento específicos del proyecto y no deben interpretarse como referencias estándar de AP de máscara al estilo COCO.
Destaca que la consistencia en las anotaciones sigue siendo un desafío, señalando que la ambigüedad en el etiquetado (por ejemplo, si una red conectada es una grieta tipo aligator o múltiples grietas lineales) afecta tanto a los objetivos de entrenamiento como a los conteos de evaluación.
Los autores concluyen que, si bien el sistema es efectivo para las tareas reportadas, los desafíos abiertos relacionados con el rechazo de factores de confusión y la estandarización de la evaluación de referencia a nivel de máscara deben abordarse antes de que el sistema pueda servir como una referencia estandarizada.

El Problema: Por qué "Cajas" No es Suficiente

La Solución: El "Rotulador Digital" (Segmentación de Instancias)

El Experimento: ¿Quién Ganó la Carrera?

Los Desafíos: Donde Todavía Troieza

La Conclusión

Más como este