Detección De Zonas Inestables En El Macizo Rocoso Mediante Procesamiento Digital De Imágenes Y Aprendizaje Profundo En Contrapozos Robbin’s

Abstract

En este trabajo se propone un modelo basado en Redes Neuronales Convolucionales para identificar zonas inestables en contrapozos Robbin’s. La arquitectura utilizada es la ResNet-18 la cual fue elegida por su compromiso entre la profundidad y precisión, lo que permite un costo computacional aceptable y tiempo de entrenamiento relativamente corto. La ResNet-18 está compuesta por cinco capas convolucionales, una de agrupación promedio y una capa totalmente conectada a una función de activación de salida sigmoidal. La red en este caso determinará una zona estable o inestable debido a la presencia de fisuras o grietas que fracturen la roca.