Diseño de un programa para el pesaje de vehículos de carga pesada a partir de imágenes con Inteligencia Artificial

Abstract

La investigación tuvo como objetivo desarrollar un programa de pesaje para vehículos de carga pesada a partir de imágenes con Inteligencia Artificial (IA). La información utilizada consiste en imágenes de vehículos identificados con sus respectivos pesos para el entrenamiento de los modelos. Se analizaron las básculas empleadas para pesar vehículos, encontrando que son sistemas complejos de implementar, costosos, pero necesarios en el transporte terrestre. La propuesta se desarrolla con una arquitectura de redes neuronales ResNet, entrenada con imágenes tomadas a vehículos con y sin carga de 1390 registros fotográficos. Las imágenes se etiquetaron con los pesos registrados en básculas camioneras de varios centros de almacenamiento. Se generaron tres datasets: el primero incluyó las imágenes originales; el segundo imágenes unidas por pares correspondientes a los lados izquierdo y derecho de los vehículos; y en el tercero, las imágenes fueron tratadas para mostrar las partes más visibles de cada ángulo y se unificaron en una sola imagen como un mosaico de 4 imágenes unidas en pares en los ángulos laterales. El modelo 3, entrenado con el tercer dataset tuvo mejores resultados. Al usar estrategias de aumento de datos se obtuvo una base de 11207 imágenes para entrenamiento y 2891 imágenes para prueba con una resolución de 1400 x 1400 píxeles y en escala de grises. Con los datos de prueba se alcanzó una métrica general MAE de 5345.16 𝑘𝑔. Las imágenes unidas lateralmente presentaron un menor error MAE de 3534.38 𝑘𝑔. De esta forma, se pudo identificar que el modelo fue capaz de resaltar partes asociadas con el peso de un vehículo, como las llantas, espacio entre estas, chasis y forma del vehículo. Para mejorar este error, es necesario aumentar la cantidad de imágenes, tomar fotografías en entornos controlados y entrenar los modelos con una cantidad mayor a 60 épocas.