Uso de mapeo digital con tecnología LiDAR y aprendizaje automático para identificar grietas en el Revestimiento de Hormigón Premoldeado del túnel en el proyecto del túnel de Desagüe de la Planta de Tratamiento de la Bahía de Ashbridges
Resumen
Se confía en los registros que se conservan durante la construcción del túnel, como los registros fotográficos y los datos de estudios, para generar planos según la condición original con software de diseño basado en CAD. Disponer de datos completos y precisos de la construcción original es clave para la certificación una vez finalizado el proyecto y como punto de referencia para el seguimiento continuo durante la construcción y/o la operación; sin embargo, puede requerir mucho tiempo y recursos recopilar y organizar los datos necesarios. El escaneo láser 3D se puede utilizar para capturar nubes de puntos para generar modelos 3D detallados de activos subterráneos, y posteriormente se puede utilizar para la toma de decisiones de ingeniería. Además de escanear el entorno construido, los ingenieros ahora pueden comentar y caracterizar digitalmente las características de interés, para aumentar aún más la velocidad de adquisición y la utilidad de los datos capturados durante la construcción del túnel.
Este artículo presenta un flujo de trabajo para el mapeo digital georreferenciado del Revestimiento de Hormigón Premoldeado del Túnel (PCTL, por sus siglas en inglés) en la corona de un túnel de salida de la Planta de Tratamiento de la Bahía de Ashbridges (ABTPO, por sus siglas en inglés) de 7,0 m de diámetro interno en Toronto, Canadá, utilizando una herramienta de cartografía habilitada para detección y alcance de la luz (LiDAR). La nube de puntos capturados se utiliza para desarrollar un algoritmo de aprendizaje automático entrenado para identificar deficiencias (por ejemplo, grietas) en los segmentos del PCTL. Los hiperparámetros del algoritmo de clasificación por aprendizaje automático se optimizan para priorizar una predicción precisa de la ubicación de las grietas en los segmentos del PCTL. Este estudio pretende demostrar la utilidad de realizar un mapeo digital de los túneles para registrar las condiciones, así como la accesibilidad de incorporar el aprendizaje automático al futuro monitoreo del túnel, especialmente cuando se recopilan datos digitales relevantes durante la construcción inicial del túnel.