Proyectos de Investigación, 2023-1
Juan Carlos Cutipa Luque; Marjorie Anel Leon Ramos; Carlos Ivan Cruz Teves; Yamir Helard Anco Agüero; Raul Paolo Rivera Vera; Pablo Raul Yanyachi Aco Cardenas; Andrew J. Petruska; German Alberto Echaiz Espinoza; Daniel Domingo Yanyachi Aco Cardenas
Objetivo
Implementar un sistema de escaneo láser móvil de reconstrucción tridimensional basado en LiDAR 2D para detectar anomalías en interiores de tuberías y túneles usando Deep Learning.
Resumen:
El presente proyecto de investigación pertenece al área temática de tecnologías de la información y la comunicación (TICs), en el marco de las tecnologías disruptivas como robótica de servicios, vehículos autónomos y realidad virtual. Busca solucionar problemas relacionados al mantenimiento preventivo en acueductos y túneles tales como disminuir costos de operatividad y aumentar la seguridad en la inspección. El objetivo general del proyecto se centra en la implementación de un sistema móvil de escaneo láser basado en el sensor LiDAR 2D para reconstrucción en 3D y utilizar en estudios de identificación de anomalías en acueductos y túneles subterráneos a través de técnicas de aprendizaje profundo. Para alcanzar el objetivo propuesto, el proyecto se desarrollará en 4 etapas: I Análisis de requerimientos y caracterización procedimientos, II Implementar algoritmo de reconstrucción tridimensional en el Sistema Operativo Robótico (ROS), III Desarrollo de algoritmos de Deep Learning para detectar anomalías, y IV Pruebas y validación. Los resultados de este proyecto serán de gran impacto en el sector saneamiento para la planificación de actividades relacionadas al mantenimiento preventivo.
Palabras clave
Mobile Laser Scanning, LiDAR, point cloud, anomaly detection, safety monitoring, tunnels and pipes inspection
Problema central
Los conductos de agua de gran tamaño y los túneles subterráneos son infraestructuras críticas para el suministro de agua potable y la eliminación de aguas residuales. Estas estructuras están expuestas a diferentes condiciones ambientales y de operación que pueden causar daños y desgaste con el tiempo. La detección temprana de anomalías, como grietas, fugas o deformaciones, es crucial para prevenir fallas catastróficas y costosas reparaciones. Sin embargo, la inspección manual es difícil y peligrosa debido a la falta de iluminación y ventilación, y la presencia de agua y lodo. Por otro lado, la obtención de modelos digitales tridimensionales precisos y detallados pueden permitir visualizar la forma y el estado de las estructuras en tiempo real, identificar áreas problemáticas, detectar anomalías y planificar el mantenimiento y la reparación, estos modelos se pueden obtener mediante sensores LiDAR (Light Detection And Ranging) debido a su precisión de medición e insensibilidad a la iluminación en comparación con las cámaras; pero, el LiDAR 3D con multihaz es muy costoso y los datos de mediciones masivas no se pueden aprovechar por completo en algunos software comerciales. Por lo tanto, la población afectada por este problema son en primer lugar, los ciudadanos y comunidades que dependen del suministro de agua y el tratamiento de aguas residuales. Además, las empresas y las industrias que dependen del suministro de agua y la eliminación de aguas residuales, como la agricultura, la minería y la producción de energía, también pueden verse afectadas. Por otro lado, las entidades gubernamentales responsables de la supervisión y el mantenimiento de estas infraestructuras críticas pueden enfrentar desafíos en términos de costos, recursos y responsabilidad si se producen fallas catastróficas debido a la falta de detección temprana y mantenimiento preventivo
Hipótesis planteada
La implementación de tecnologías innovadoras y eficientes para la detección temprana de anomalías y la generación de modelos digitales tridimensionales precisos puede contribuir significativamente a prevenir fallas catastróficas, reducir costos de mantenimiento y reparación, y mejorar la gestión y el mantenimiento de las infraestructuras críticas para el suministro de agua o inspección de túneles.
Resultados esperados
-02 Artículos científicos publicados en revistas indizadas base Scopus, Web Of Science
-01 Congreso de evento nacional.
-01 Tesis de Pregrado o Posgrado
-01 Publicación en web site el inicio del proyecto
-01 Participación en evento de difusión de resultados finales
-01 Publicación en Marketplace UNSA los resultados obtenidos
-Un Prototipo de nivel de madurez tecnológica TRL3
-Un algoritmo de aprendizaje profundo que pueda identificar anomalías en acueductos.
-Una contribución de un paquete de código abierto basado ROS para reconstrucción 3D usando un sensor LiDAR 2D
Impactos esperados
Sociales: se espera que el proyecto mejore la calidad de vida de las personas al proporcionar una detección temprana de anomalías en las infraestructuras críticas, lo que a su vez reducirá el riesgo de interrupciones en el suministro de agua.
Económicos: el proyecto puede generar ahorros económicos significativos al reducir la necesidad de reparaciones
costosas en las infraestructuras críticas.
Ambientales: el proyecto busca reducir el impacto ambiental asociado con la construcción y el mantenimiento de
infraestructuras.
Tecnológicos: la implementación de tecnologías innovadoras como algoritmos de Deep Learning para la detección de anomalías y la reconstrucción tridimensional a través de datos de LiDAR 2D puede mejorar la gestión y mantenimiento de los acueductos y túneles.
Académicos: Los estudiantes y profesionales que participen en el proyecto pueden desarrollar habilidades en el uso de tecnologías innovadoras, herramientas de modelado y simulación, análisis de datos, publicar sus resultados y contribuir al avance científico. Además, el recurso humano iniciará una línea de investigación en robótica subterránea y tecnología LiDAR, que luego puede ser continuada y escalada usando el kit de desarrollo de robótica Leo Rover para otros proyectos o investigaciones.