DIGITAL.CSIC. Repositorio Institucional del CSIC
Publicación
Contribución de congreso (ConferenceOutput)
Aplicación de redes neuronales para generación de imágenes tomográficas de muros de mampostería.
15º Congreso Nacional Ensayos No Destructivos y 2º Congreso Ibérico de Ensayos No Destructivos. 19-21 junio 2024, Valladolid (España).
10 páginas, 8 figuras, 1 tabla., Caracterizar estructuras de albañilería es una tarea compleja limitada por la necesidad de
usar técnicas no invasivas para conservar el material histórico. Las técnicas actuales de
prospección no destructiva que permiten investigar el interior de la albañilería histórica
proporcionan una evaluación cualitativa, difícil de interpretar y requieren mucho tiempo
tanto a nivel operacional como en el procesado. Por ese motivo, estas técnicas no son
ampliamente utilizadas entre los profesionales en el campo de la conservación. El objetivo
del artículo es explorar métodos que mejoren nuestra capacidad de producir imágenes del
interior de elementos de albañilería. El enfoque es reconstruir la estructura interna de la
albañilería utilizando datos de propagación de ondas acústicas.
La imagen tomográfica es particularmente útil para investigar la morfología interna de
elementos de albañilería. Sin embargo, los resultados son mapas de velocidad o atenuación
complejos de interpretar. El artículo estudia la viabilidad de utilizar algoritmos avanzados,
como las redes neuronales profundas, para mapear límites internos, detectar y clasificar
defectos dentro de los elementos de albañilería directamente a partir de datos acústicos,
como alternativa a la tomografía clásica (p.ej. métodos algebraicos). La aplicación de redes
neuronales para generar imágenes tomográficas es un área de investigación
insuficientemente explorada, especialmente para medios altamente dispersivos, como la
albañilería.
Entrenar modelos de aprendizaje profundo requiere grandes conjuntos de datos. Dada la
dificultad para obtener datos experimentales, el artículo explora el uso de simulaciones
numéricas para generar el conjunto de datos. Las simulaciones se calibraron con datos
experimentales de inspecciones sónicas. Después, se desarrolló un generador aleatorio de
secciones de albañilería de piedra en 2D, representativas de paredes de albañilería de piedra
irregulares con dos hojas y núcleo interno. Se generaron un total de 100 secciones. Los
resultados se utilizaron para entrenar algoritmos de aprendizaje profundo. El modelo
entrenado es capaz de generar imágenes tomográficas de las secciones transversales. Los
resultados se compararon con imágenes tomográficas generadas con algoritmos iterativos
tradicionales. A pesar de los errores en la reconstrucción, el modelo mejora la interpretación
de las imágenes, identificando claramente el tamaño y la ubicación del núcleo interno de
mortero dentro de la sección transversal., La publicación es parte del proyecto PID2022-140071OB-C21, financiado por
MCIN/AEI/10.13039/501100011033/FEDER, UE. También es apoyado por el programa de
la Fundación General CSIC, ComFuturo, financiado por el programa de investigación e
innovación de la Unión Europea Horizon 2020 Marie Skłodowska-Curie No. 101034263., Peer reviewed