¿Qué es Defect Gating?

¿Qué es Defect Gating?

Defect gating es una estrategia de filtrado de inferencia consciente del contexto que suprime las etiquetas de defectos predichas al evaluar su aplicabilidad al tipo de material de la superficie detectada y al dominio estructural. Defect gating funciona típicamente como una capa de validación posterior a la inferencia: después de que el modelo de visión por computadora produce predicciones de defectos sin procesar con puntuaciones de confianza, la lógica de gating inspecciona cada predicción contra una tabla de aplicabilidad predefinida que asigna tipos de defectos a contextos de superficie compatibles. Las predicciones marcadas para defectos que son estructuralmente imposibles o irrelevantes en la superficie dada se suprimen antes de que aparezcan en el informe de inspección final. Este mecanismo aborda directamente uno de los desafíos más persistentes en la inspección automatizada de infraestructuras: las predicciones falsas positivas que surgen del desajuste de dominio entre los datos de entrenamiento y las condiciones de inferencia.

El Problema: Falsos Positivos en Tipos de Superficie Incorrectos

Los modelos automatizados de detección de defectos se entrenan con conjuntos de datos que normalmente contienen imágenes de tipos de infraestructura específicos: puentes de hormigón, carreteras asfálticas, fachadas de edificios o pavimentos de pistas. Cuando se despliegan en escenarios de inspección del mundo real, estos modelos se encuentran con tipos de superficie y contextos estructurales que pueden diferir de su distribución de entrenamiento. Un modelo de aprendizaje profundo entrenado exclusivamente con defectos de puentes de hormigón armado aprenderá características visuales asociadas con desconchados (superficies de hormigón fracturadas), eflorescencias (depósitos cristalinos blancos) y armaduras expuestas (acero oxidado visible a través del hormigón roto). Cuando este mismo modelo procesa una imagen de pavimento asfáltico, puede activar esos mismos detectores de características en texturas superficiales que se asemejan visualmente a defectos del hormigón: un parche áspero de asfalto envejecido puede activar el detector de desconchados, mientras que una partícula de agregado de color claro expuesta por desintegración puede activar el detector de eflorescencias.

La consecuencia son predicciones falsas positivas: etiquetas de defectos reportadas en superficies donde esos defectos son estructuralmente imposibles. Los falsos positivos en la inspección de infraestructuras conllevan costes operativos significativos. Desperdician el tiempo del inspector al requerir verificación manual de predicciones que se sabe que son inválidas. Degradan la calidad estadística de los informes de inspección al inflar los recuentos de defectos y las distribuciones de gravedad. En los peores escenarios, los falsos positivos pueden desencadenar acciones de mantenimiento innecesarias, desviando presupuestos de mantenimiento limitados de defectos genuinos. Una investigación publicada en Automation in Construction (2023) encontró que las tasas de falsos positivos en la detección automatizada de deterioros de pavimentos oscilaban entre el 15% y el 35% dependiendo de la arquitectura del modelo y la composición de los datos de entrenamiento. Un estudio separado en el Journal of Infrastructure Systems documentó que la supresión de falsos positivos mediante el filtrado consciente del dominio mejoró la precisión de la inspección en más del 40% en comparación con las salidas del modelo sin filtrar.

La causa raíz de los falsos positivos por tipo de superficie radica en el paradigma de los datos de entrenamiento. La mayoría de los modelos de detección de defectos se entrenan con conjuntos de datos de un solo dominio: un modelo entrenado con el conjunto de datos SDNET2018 de tableros de puentes, por ejemplo, aprende a asociar ciertos patrones de textura con etiquetas de grietas. Cuando ese modelo se encuentra con la textura distintiva del pavimento de sellado de gravilla o el patrón superficial de una pista de hormigón ranurada, los detectores de características aprendidos pueden activarse incorrectamente. El modelo no tiene una comprensión intrínseca de que ciertos tipos de defectos son físicamente imposibles en ciertas superficies, solo conoce asociaciones de píxel a etiqueta de su distribución de entrenamiento. Defect gating cierra esta brecha inyectando conocimiento explícito del dominio como una restricción estricta en el momento de la inferencia.

Lógica de Defect Gating

La lógica de defect gating normalmente opera como un filtro determinista aplicado después del paso de inferencia principal. La arquitectura sigue un pipeline de tres etapas: clasificación de superficie, inferencia de dominio y filtrado de etiquetas.

Etapa 1, Clasificación de Superficie: Para cada tesela de imagen o fotograma en el conjunto de datos de inspección, el sistema determina el tipo de material de la superficie. Esto se puede lograr mediante varios métodos: clasificación basada en metadatos (el proyecto de inspección define explícitamente el tipo de superficie para cada activo), clasificación visual de superficie (un modelo clasificador ligero predice hormigón vs. asfalto a partir de características de la imagen) o fusión de sensores (combinando datos visuales con datos LIDAR o espectrales para la identificación de materiales). El clasificador de superficie opera independientemente del modelo de detección de defectos y proporciona el contexto de material requerido para las decisiones de gating.

Etapa 2, Inferencia de Dominio: El contexto del dominio estructural (puente, edificio, pavimento, pista u hormigón genérico) se determina a partir del registro de activos, la configuración del proyecto o un clasificador de dominio dedicado. La inferencia de dominio proporciona una capa adicional de contexto más allá del tipo de superficie. Por ejemplo, una superficie de hormigón podría pertenecer a un dominio de tablero de puente, un dominio de fachada de edificio o un dominio de pavimento de hormigón, cada uno con diferentes reglas de aplicabilidad de defectos. Ciertos defectos son relevantes solo dentro de dominios estructurales específicos: el desconchado en juntas es relevante en tableros de puentes y pavimentos de hormigón, pero raramente en fachadas de edificios, mientras que la eflorescencia en paredes interiores de edificios tiene implicaciones de gravedad diferentes que la eflorescencia en subestructuras de puentes.

Etapa 3, Filtrado de Etiquetas: Cada etiqueta de defecto predicha se busca en la tabla de aplicabilidad de defectos para la combinación de tipo de superficie y dominio inferida. La tabla especifica si cada etiqueta de defecto está permitida, bloqueada o condicional para cada contexto. Las etiquetas permitidas pasan a la salida final. Las etiquetas bloqueadas se suprimen independientemente de la puntuación de confianza. Las etiquetas condicionales se evalúan según criterios adicionales, por ejemplo la detección de grietas en superficies de hormigón puede permitirse pero solo por encima de un umbral de confianza más alto que en superficies asfálticas, donde las grietas son más comunes y visualmente distintas.

La formulación matemática de la decisión de gating es:

g(L, S, D) = {
  1 si A(L, S, D) = permitido
  0 si A(L, S, D) = bloqueado
  f(C(L), T(S, D)) si A(L, S, D) = condicional
}

Donde L es la etiqueta de defecto, S es el tipo de superficie, D es el dominio estructural, A es la función de aplicabilidad, C(L) es la confianza del modelo para la etiqueta L y T(S, D) es el umbral de confianza para la combinación superficie-dominio dada. Para etiquetas condicionales con puntuaciones de confianza por debajo del umbral, la predicción también se suprime.

Este enfoque determinista asegura que las decisiones de gating sean reproducibles y explicables, a diferencia de los enfoques de filtrado aprendidos que pueden introducir sus propios modos de fallo. El gating codificado proporciona una garantía de que ciertas categorías de falsos positivos nunca aparecerán en la salida.

Clasificación del Tipo de Superficie para Gating

La clasificación del tipo de superficie es el componente fundamental del pipeline de defect gating. La identificación precisa del material es esencial porque las decisiones de gating se derivan de la determinación del tipo de superficie, una superficie mal clasificada hace que toda la estrategia de gating sea ineficaz para esa tesela o fotograma.

Se utilizan comúnmente tres métodos de clasificación de superficie, seleccionados según los datos disponibles y los requisitos operativos:

Clasificación basada en metadatos utiliza información preexistente sobre el activo inspeccionado para determinar el tipo de superficie. Las bases de datos de gestión de pavimentos aeroportuarios, los sistemas de inventario de puentes y los registros de activos de edificios suelen especificar los materiales de construcción para cada elemento. Un proyecto de inspección de puentes hereda automáticamente la clasificación del tipo de superficie del registro de inventario del puente: tablero de hormigón, capa de rodadura asfáltica, vigas de acero, etc. La clasificación basada en metadatos es el método más fiable cuando existen registros precisos, ya que desacopla la clasificación de superficie de la inferencia visual y elimina los errores de clasificación en la entrada del gating.

Clasificación visual de superficie aplica un modelo de aprendizaje automático dedicado entrenado para distinguir hormigón, asfalto, compuesto y otros materiales de superficie solo a partir de datos de imagen. El clasificador de superficie opera a nivel de tesela (típicamente 256×256 o 512×512 píxeles) y genera una distribución de probabilidad sobre los tipos de superficie. El clasificador se entrena con un conjunto de datos diverso de imágenes de superficies de infraestructura etiquetadas por tipo de material. Las características utilizadas por el clasificador incluyen la distribución de color (el hormigón tiende a gris azulado, el asfalto a gris negruzco), las estadísticas de textura (el hormigón tiene una exposición de agregados más pronunciada, el asfalto tiene una cobertura de ligante más uniforme) y los patrones estructurales (juntas de hormigón vs. costuras de pavimento asfáltico). La clasificación visual logra una precisión superior al 95% en condiciones de iluminación y superficie consistentes, pero se degrada en condiciones desafiantes como superficies mojadas, sombras intensas o tratamientos superficiales novedosos.

Clasificación por fusión de sensores combina datos visuales con modalidades de sensores adicionales para una identificación robusta de materiales. Los retornos de intensidad LIDAR difieren entre superficies de hormigón y asfalto, proporcionando una señal complementaria independiente de la apariencia visual. La imagen hiperespectral puede distinguir la composición del material a través de firmas de reflectancia espectral. La imagen infrarroja térmica revela diferencias de conductividad térmica entre los materiales de superficie. La fusión de sensores es el método de clasificación más robusto, pero requiere hardware adicional e infraestructura de procesamiento de datos.

La salida de la clasificación del tipo de superficie se alimenta directamente a la lógica de defect gating. Cada tesela o fotograma recibe una etiqueta de tipo de superficie (hormigón, asfalto, compuesto, metal o desconocido) junto con una puntuación de confianza de clasificación. Las teselas con confianza de clasificación por debajo de un umbral configurable (por ejemplo 0.85) utilizan por defecto la configuración de gating más conservadora, permitiendo típicamente solo defectos universales para evitar falsos positivos por clasificación errónea.

Inferencia de Dominio

La inferencia de dominio extiende el contexto de gating del material de superficie a la función estructural, el papel que desempeña el elemento inspeccionado dentro del sistema de infraestructura. La clasificación de dominio es esencial porque el mismo material de superficie puede albergar diferentes tipos de defectos dependiendo de su función estructural y condiciones de carga.

Se utilizan comúnmente cinco dominios estructurales principales para defect gating:

Dominio de puente abarca todos los elementos estructurales de la infraestructura de puentes: tablero, vigas, pilas, estribos, apoyos y losas de aproximación. Los tipos de defectos relevantes para el dominio de puente incluyen defectos específicos del hormigón (desconchados, eflorescencias, armaduras expuestas, grietas por corrosión), defectos universales (grietas, escamación, abrasión) y defectos específicos de puentes (desplazamiento de apoyos, daños en juntas, exposición por socavación). El dominio de puente aplica el conjunto más completo de reglas de aplicabilidad de defectos porque los puentes combinan elementos de hormigón estructural sujetos a cargas cíclicas elevadas con superficies de pavimento en los vanos de aproximación.

Dominio de edificio cubre elementos estructurales y no estructurales de edificios, incluyendo columnas, vigas, losas, muros y cimentaciones. Los defectos de edificios enfatizan mecanismos de deterioro específicos del hormigón, como la corrosión inducida por carbonatación, la reacción álcali-sílice (ASR) y el daño por hielo-deshielo. La eflorescencia en fachadas de edificios es un indicador común de intrusión de humedad y se prioriza en el gating del dominio de edificio. El dominio de edificio típicamente excluye defectos específicos de pavimentos como roderas y desintegración, aunque las grietas siguen siendo universales.

Dominio de pavimento incluye superficies de carreteras, áreas de estacionamiento y pavimentos de transporte en general. El dominio de pavimento prioriza los tipos de deterioro definidos por los índices de condición de pavimento estandarizados: ASTM D5340 para pavimentos aeroportuarios y ASTM D6433 para carreteras y estacionamientos. Las etiquetas de defectos en el dominio de pavimento incluyen desintegración, exudación, rodera, desplazamiento, meteorización y agrietamiento de todos los tipos (longitudinal, transversal, en bloque, piel de cocodrilo). Los defectos estructurales específicos del hormigón (desconchados, armaduras expuestas) se bloquean en el dominio de pavimento a menos que el pavimento esté explícitamente clasificado como pavimento de hormigón, en cuyo caso se permiten desconchados en juntas y roturas de esquina.

Dominio de pista se aplica específicamente a pavimentos aeroportuarios bajo las normas de la OACI Anexo 14 y la Circular de Asesoramiento de la FAA. El gating de pista es el más restrictivo porque la naturaleza crítica para la seguridad de las operaciones aeroportuarias exige tasas mínimas de falsos positivos. Las etiquetas de defectos en el dominio de pista incluyen tipos de deterioro superficial que afectan las características de fricción, el potencial de generación de FOD y la capacidad de carga. Los defectos específicos de pista, como la acumulación de depósitos de caucho, los daños por derrames de combustible y la erosión por chorro de los motores, solo están permitidos en este dominio. Los defectos estructurales específicos del hormigón solo están permitidos en secciones de pista clasificadas como pavimento de hormigón (típicamente áreas de alta carga como extremos de pista e intersecciones).

Dominio de hormigón genérico sirve como respaldo para estructuras de hormigón que no encajan en las categorías de puente, edificio o pavimento dedicado. Esto incluye muros de contención, alcantarillas, canales de drenaje, barreras acústicas y estructuras marinas. El dominio de hormigón genérico permite todos los defectos específicos del hormigón y universales, pero excluye los defectos específicos de dominio que requieren un contexto estructural especializado.

La inferencia de dominio se puede realizar a través de varios canales: consulta del registro de activos (más fiable), configuración del proyecto (especificada por el usuario en la configuración de la inspección), clasificador visual de dominio (basado en la forma estructural y las características del contexto) o referencia cruzada de coordenadas GPS con bases de datos geoespaciales de infraestructura (puentes, edificios y pavimentos suelen estar mapeados en capas SIG separadas).

Tablas de Aplicabilidad de Etiquetas de Defectos

La tabla de aplicabilidad de etiquetas de defectos es el núcleo operativo del sistema de gating. Cada fila de la tabla especifica una etiqueta de defecto, los tipos de superficie en los que está permitida, los dominios estructurales en los que es relevante y cualquier regla condicional que modifique el comportamiento del gating.

La tabla de aplicabilidad es configurable a nivel de proyecto. Los usuarios pueden modificar las asignaciones de permitido/bloqueado/condicional para cada etiqueta de defecto según sus requisitos de inspección específicos y el conocimiento local de la infraestructura que se inspecciona. Un proyecto de inspección de puentes en una región con puentes de vigas de acero, por ejemplo, puede agregar etiquetas de defectos específicos del metal a la tabla de gating. Un proyecto de inspección de pavimentos aeroportuarios puede configurar el gating para permitir defectos específicos del hormigón solo en secciones de pista que se sabe que tienen pavimento de hormigón, mientras los bloquea en secciones de pista asfáltica.

Las entradas condicionales en la tabla activan reglas de evaluación secundarias. Por ejemplo, el agrietamiento en superficies de hormigón puede ser condicional a un ancho mínimo de grieta (solo se reportan grietas de más de 0.3 mm), mientras que el agrietamiento en superficies asfálticas puede ser condicional al patrón de grieta (solo se reporta agrietamiento en piel de cocodrilo en zonas de carga). Estas reglas condicionales añaden una segunda capa de validación específica del dominio más allá de la verificación del tipo de superficie.

Defectos Específicos del Hormigón vs. Universales

La distinción entre defectos específicos del hormigón y universales es fundamental para la arquitectura de gating. Los defectos específicos del hormigón surgen de mecanismos de deterioro que son exclusivos del hormigón como material de construcción: corrosión del acero de refuerzo embebido, reacciones álcali-árido, degradación inducida por carbonatación y daño por hielo-deshielo que produce patrones característicos de desconchado y escamación. Estos defectos son estructuralmente imposibles en superficies asfálticas, donde los mecanismos de deterioro son completamente diferentes: oxidación del ligante, desprendimiento de agregados y deformación permanente bajo carga de tráfico.

Defectos específicos del hormigón que se bloquean en superficies no hormigón incluyen:

Desconchado es la fractura y desplazamiento del hormigón superficial causado por tensiones internas, más comúnmente por la expansión de la corrosión de las barras de refuerzo embebidas. Los productos de corrosión (óxidos e hidróxidos de hierro) ocupan hasta seis veces el volumen del acero original, generando tensiones de tracción que exceden la resistencia a tracción del hormigón. El desconchado resultante expone el refuerzo a una mayor corrosión y acelera el ciclo de deterioro. El desconchado se reporta en grados de gravedad definidos por ASTM D5340: bajo (menos de 1 pulgada de profundidad), medio (1–2 pulgadas) y alto (más de 2 pulgadas). La lógica de gating permite predicciones de desconchado solo en superficies de hormigón dentro de los dominios de puente, edificio y hormigón genérico.

Eflorescencia es la deposición de sales cristalinas blancas en superficies de hormigón formadas cuando el agua disuelve sales solubles de la matriz de hormigón y las deposita en la superficie mediante evaporación. La eflorescencia en sí misma no es estructuralmente dañina, pero es un indicador crítico de la migración de humedad a través del hormigón, que puede transportar cloruros al refuerzo y acelerar la corrosión. La detección de eflorescencia está permitida exclusivamente en superficies de hormigón y es más significativa en los dominios de puente y edificio donde la intrusión de humedad tiene implicaciones estructurales.

Armadura expuesta se refiere al acero de refuerzo que se ha vuelto visiblemente expuesto debido a desconchado, abrasión o defectos de construcción. La armadura expuesta representa un peligro para la seguridad estructural porque la sección expuesta se está corroyendo activamente y la sección transversal de refuerzo restante puede ser inadecuada para las cargas de diseño. La lógica de defect gating permite predicciones de armadura expuesta solo en superficies de hormigón, ya que las barras de refuerzo no están presentes en el asfalto u otros materiales de superficie. La presencia de armadura expuesta en la salida desencadena una escalada automática de gravedad en el informe de inspección.

Corrosión como etiqueta de defecto abarca manchas de óxido, patrones de agrietamiento inducidos por corrosión y productos de corrosión visibles en superficies de hormigón. La corrosión en superficies de hormigón se manifiesta como manchas de color marrón anaranjado a lo largo de las trayectorias de las barras de refuerzo, escorrentía de color óxido del refuerzo expuesto y patrones de grietas que siguen la disposición del refuerzo. Estas firmas visuales son distintas de cualquier posible defecto en superficies asfálticas, lo que hace que las predicciones de corrosión en asfalto sean casi con certeza falsos positivos.

Defectos universales que están permitidos en todos los tipos de superficie y dominios incluyen:

Agrietamiento aparece en todas las superficies de infraestructura y es la etiqueta de defecto más universalmente aplicable. La lógica de gating permite predicciones de agrietamiento en superficies de hormigón, asfalto, metal y compuesto dentro de cualquier dominio. Sin embargo, la clasificación de grietas puede diferir según el contexto: una grieta en un tablero de puente de hormigón puede clasificarse como estructural o no estructural según el ancho y el patrón, mientras que una grieta en un pavimento asfáltico se clasifica por tipo (fatiga, bloque, borde, reflectante) según los estándares de identificación de deterioros ASTM.

Meteorización abarca el deterioro superficial por exposición ambiental, radiación UV, ciclos de temperatura, humedad y ataque químico. En el hormigón, la meteorización se manifiesta como pérdida de mortero superficial y exposición de agregados. En el asfalto, la meteorización aparece como fragilización del ligante y agrietamiento superficial. La etiqueta de meteorización está universalmente permitida, aunque los criterios de evaluación de gravedad difieren según el tipo de superficie.

Escamación es el descamado o pelado del material superficial en áreas discretas. En el hormigón, la escamación resulta típicamente de ciclos de hielo-deshielo o ataque químico. En el asfalto, los patrones similares a la escamación pueden resultar del desprendimiento o fallo del ligante. La lógica de gating permite la escamación en superficies de hormigón y asfalto, pero la bloquea en superficies metálicas donde el defecto equivalente se clasificaría como corrosión o fallo de revestimiento.

Gating a Nivel de Tesela vs. Nivel de Fotograma

La granularidad a la que se aplica el gating tiene implicaciones significativas tanto para la precisión como para la eficiencia computacional. Dos modos de gating son comunes: gating a nivel de tesela y gating a nivel de fotograma.

Gating a nivel de tesela aplica el filtrado de aplicabilidad de defectos de forma independiente a cada tesela de imagen, una pequeña región recortada del fotograma de inspección completo, típicamente de 256×256 o 512×512 píxeles. Cada tesela se clasifica individualmente para el tipo de superficie, y las predicciones de defectos dentro de esa tesela se filtran según el tipo de superficie de la tesela. El gating a nivel de tesela es esencial para activos con composición de superficie heterogénea. Un puente con tablero de hormigón, vanos de aproximación asfálticos y barandillas de acero tendrá teselas que cubren cada tipo de superficie. Sin gating a nivel de tesela, un defecto específico del hormigón predicho en una tesela de aproximación asfáltica aparecería en la salida como un falso positivo. Con gating a nivel de tesela, la tesela asfáltica recibe reglas de gating apropiadas para el asfalto y la predicción específica del hormigón se suprime.

El gating a nivel de tesela introduce una sobrecarga computacional adicional porque la clasificación de superficie debe realizarse para cada tesela de forma independiente. Sin embargo, el clasificador de superficie es un modelo ligero, típicamente una variante MobileNet o EfficientNet con menos de 10 millones de parámetros, que añade una latencia mínima en comparación con el modelo de detección de defectos principal. El gating a nivel de tesela añade algo de tiempo de inferencia pero reduce las tasas de falsos positivos en activos heterogéneos.

Gating a nivel de fotograma aplica una clasificación única de tipo de superficie y dominio a todo el fotograma de inspección y filtra todas las predicciones de defectos dentro de ese fotograma de manera uniforme. El gating a nivel de fotograma es apropiado para activos con composición de superficie homogénea: una sección completa de pavimento de pista, una fachada de edificio o una viga de puente hecha enteramente de un solo material. Los ahorros computacionales son sustanciales: la clasificación de superficie se realiza una vez por fotograma en lugar de una vez por tesela, reduciendo la sobrecarga de gating a aproximadamente el 2–4% del tiempo total de inferencia.

La elección entre gating a nivel de tesela y a nivel de fotograma se configura a nivel de proyecto. Un valor predeterminado sensato es el gating a nivel de tesela para todos los proyectos de inspección, reservando el gating a nivel de fotograma para proyectos donde se verifica que la composición de la superficie del activo es homogénea y la ganancia de eficiencia computacional es operativamente significativa. Un mecanismo de respaldo cambia automáticamente las teselas mal clasificadas a la configuración de gating más conservadora para mantener la robustez.

Gating multiresolución es un modo avanzado que aplica gating a nivel de tesela en la resolución nativa del modelo de detección de defectos mientras agrega clasificaciones de superficie a través de múltiples teselas para la inferencia de dominio a nivel de fotograma. Este enfoque híbrido combina la precisión de la asignación de material a nivel de tesela con la robustez de la clasificación de dominio estructural a nivel de fotograma, proporcionando lo mejor de ambos modos de gating.

Defectos Específicos del Hormigón vs. Específicos del Asfalto

La simetría de gating entre superficies de hormigón y asfalto es un principio de diseño crítico. Así como los defectos específicos del hormigón se bloquean en superficies asfálticas, los defectos específicos del asfalto se bloquean igualmente en superficies de hormigón. Este gating bidireccional asegura que el sistema no produzca falsos positivos en ninguna dirección.

Defectos específicos del asfalto que se bloquean en superficies no asfálticas incluyen:

Exudación es la migración ascendente del ligante asfáltico a la superficie del pavimento, formando una película brillante y reflectante. La exudación ocurre cuando el contenido de ligante es excesivo, el pavimento está sobrecompactado o las altas temperaturas causan la expansión del ligante. En superficies de hormigón, no hay material ligante que migre, lo que hace imposible la detección de exudación. Cualquier predicción del modelo de exudación en una superficie de hormigón es un falso positivo garantizado causado por el modelo que interpreta erróneamente la humedad superficial o el sellador como una película de ligante.

Rodera es la deformación permanente en las huellas de las ruedas causada por consolidación o fallo por cizalladura de la estructura del pavimento asfáltico. La rodera produce depresiones longitudinales que acumulan agua y reducen la serviciabilidad del pavimento. Los pavimentos de hormigón no forman roderas, pueden fallar, desconcharse o agrietarse bajo el tráfico, pero el mecanismo de deformación es fundamentalmente diferente. Las predicciones de rodera en superficies de hormigón son suprimidas por la lógica de gating.

Desintegración es el desprendimiento progresivo de partículas de agregado de la superficie asfáltica debido al envejecimiento del ligante o al desprendimiento. Las superficies de hormigón pueden exhibir exposición de agregados a través de la meteorización o la escamación, pero el mecanismo es distinto de la desintegración asfáltica. La lógica de gating distingue entre meteorización (universal) y desintegración (específica del asfalto) según la clasificación del tipo de superficie.

Desplazamiento es el desplazamiento longitudinal del material del pavimento asfáltico, típicamente en intersecciones u otras áreas de alta carga de cizalladura. El desplazamiento crea ondas o corrugaciones en la superficie del pavimento. Las superficies de hormigón no exhiben desplazamiento, pueden exhibir fallo o desplazamiento de losas en las juntas, pero el modo de fallo es distinto. La lógica de gating bloquea las predicciones de desplazamiento en superficies de hormigón.

Impacto en la Precisión y la Exhaustividad

La introducción de defect gating produce un cambio medible en el equilibrio precisión-exhaustividad del sistema de inspección automatizado. Comprender estas compensaciones es esencial para configurar el gating de manera apropiada para diferentes contextos operativos.

Mejora de la precisión es el beneficio principal de defect gating. La precisión, la fracción de etiquetas positivas predichas que corresponden a defectos reales, aumenta porque la supresión de categorías de defectos conocidas como imposibles reduce el denominador del cálculo de precisión sin afectar al numerador (detecciones positivas genuinas). Las ganancias de precisión son mayores en activos heterogéneos como puentes, donde muchas etiquetas de defectos específicos del hormigón pueden activarse en teselas no hormigón, y más modestas en pavimentos, donde la composición de la superficie es típicamente más homogénea.

Reducción de la exhaustividad es el coste potencial de defect gating. La exhaustividad, la fracción de defectos reales que son correctamente identificados por el sistema, puede disminuir si la configuración de gating bloquea incorrectamente predicciones de defectos válidas. Esto puede ocurrir a través de dos mecanismos: clasificación errónea del tipo de superficie (una tesela de hormigón mal clasificada como asfalto que hace que los defectos específicos del hormigón sean bloqueados) o configuración de dominio demasiado restrictiva (una estructura de hormigón genérico asignada al dominio de pavimento donde los defectos específicos del hormigón están bloqueados). En la práctica, la reducción de la exhaustividad por el gating es pequeña en sistemas bien configurados y sustancialmente menor que las ganancias de precisión.

La puntuación F1, la media armónica de precisión y exhaustividad, típicamente mejora con el gating habilitado, reflejando el impacto positivo neto de la supresión de falsos positivos a pesar del coste menor de exhaustividad.

Las curvas de precisión-exhaustividad con y sin gating muestran el cambio sistemático hacia una mayor precisión en todos los umbrales de confianza. La curva con gating habilitado se encuentra por encima y a la derecha de la curva sin gating, lo que indica que para cualquier nivel de exhaustividad dado, el sistema logra una mayor precisión cuando el gating está activo. El área bajo la curva de precisión-exhaustividad (AUC-PR) aumenta en consecuencia.

La importancia operativa de estas mejoras métricas es sustancial. Por ejemplo, una precisión de 0.85 significa que 85 de cada 100 predicciones de defectos en el informe de inspección corresponden a defectos genuinos, donde menos predicciones serían correctas sin gating. Esto se traduce directamente en un tiempo de verificación reducido para el inspector, menos falsos positivos que revisar y rechazar manualmente y una mayor confianza en la calidad de los datos de inspección para las decisiones de planificación de mantenimiento.

Futuro: Gating Aprendido

La generación actual de defect gating utiliza tablas de aplicabilidad codificadas con reglas deterministas de permitir/bloquear/condicional. Este enfoque proporciona fiabilidad, explicabilidad y supresión garantizada de falsos positivos para relaciones defecto-superficie bien comprendidas. Sin embargo, tiene limitaciones: no puede adaptarse a nuevos materiales de superficie o tipos de defectos sin actualizaciones de configuración manuales, no puede manejar casos ambiguos donde el tipo de superficie es incierto y no puede aprender de la retroalimentación operativa para mejorar sus decisiones de filtrado con el tiempo.

Gating aprendido representa la próxima evolución de la arquitectura de gating. En lugar de reglas codificadas, una red de gating aprendida predice la aplicabilidad de defectos directamente a partir de características visuales y metadatos contextuales. La red de gating se entrena con un conjunto de datos de predicciones de defectos emparejadas con retroalimentación proporcionada por humanos sobre su aplicabilidad, recopilada de inspectores que revisan y aceptan o rechazan predicciones de defectos durante su flujo de trabajo normal. Con el tiempo, el modelo de gating aprende a distinguir las predicciones de defectos aplicables de las inaplicables con una precisión creciente, incluso para combinaciones defecto-superficie novedosas que no estaban presentes en el conjunto de reglas inicial.

La arquitectura de gating aprendido se integra con el modelo de detección de defectos principal a través de un backbone de características compartido. Las primeras etapas de la red neuronal extraen características visuales de propósito general de la imagen de entrada. Estas características se enrutan luego a dos cabezas paralelas: la cabeza de detección de defectos (que predice etiquetas de defectos, cuadros delimitadores y puntuaciones de confianza) y la cabeza de gating (que predice puntuaciones de aplicabilidad para cada etiqueta de defecto dadas las características visuales y contextuales). La salida de la cabeza de gating es un vector de probabilidades de aplicabilidad, una por etiqueta de defecto, que modula la salida de predicción final. Una probabilidad de gating por debajo de 0.5 suprime la predicción independientemente de la puntuación de confianza de la cabeza de detección.

Gating probabilístico extiende el concepto de gating aprendido reemplazando las decisiones binarias de permitir/bloquear con puntuaciones de aplicabilidad continuas. En lugar de un umbral de supresión estricto, el gating probabilístico produce una confianza de gating que se multiplica por la confianza de detección para producir una puntuación de confianza final. Esto permite al sistema manejar la incertidumbre: un defecto en una superficie que tiene un 70% de probabilidad de ser hormigón y un 30% de probabilidad de ser asfalto recibe una puntuación de gating de 0.70 para defectos específicos del hormigón, reduciendo su confianza en lugar de bloquearlos por completo. La predicción final lleva una confianza combinada que refleja tanto la certeza de la detección como la aplicabilidad contextual.

Gating adaptativo ajusta los umbrales de gating según los perfiles de riesgo operativo. Un escenario de inspección de alto riesgo (una pista de aeropuerto con operaciones de vuelo activas o un puente con deficiencias estructurales conocidas) puede adoptar umbrales de gating conservadores que priorizan la precisión sobre la exhaustividad, aceptando un mayor riesgo de falsos negativos para minimizar las interrupciones por falsos positivos. Un escenario de inspección de bajo riesgo (un estudio de pavimento rutinario en una carretera de bajo tráfico) puede adoptar umbrales de gating permisivos que priorizan la exhaustividad sobre la precisión, aceptando más falsos positivos para asegurar que no se pasen por alto defectos genuinos. El marco de gating adaptativo permite al sistema ajustar su comportamiento al contexto operativo sin reconfiguración manual.

Aprendizaje en línea para gating permite que el modelo de gating mejore continuamente a través de la retroalimentación operativa. Cuando un inspector acepta o rechaza una predicción en una interfaz de revisión, esa retroalimentación se registra y se utiliza para actualizar el modelo de gating. Con el tiempo, el sistema aprende qué predicciones de defectos en qué combinaciones de superficie y dominio tienen más probabilidades de ser aplicables, convergiendo hacia un comportamiento de gating óptimo para cada tipo de activo y entorno de inspección específicos. El aprendizaje en línea requiere salvaguardas cuidadosas para evitar bucles de retroalimentación (un verdadero positivo rechazado podría sesgar el modelo de gating hacia el bloqueo de predicciones válidas en el futuro), pero cuando se implementa correctamente, permite una mejora continua sin la necesidad de ciclos periódicos de reentrenamiento del modelo.

Conclusión

Defect gating es una estrategia de inferencia crítica para los sistemas automatizados de inspección de infraestructuras que operan en tipos de superficie y dominios estructurales heterogéneos. Al filtrar las etiquetas de defectos predichas según el tipo de material de la superficie, el dominio estructural y las reglas de aplicabilidad de defectos, la lógica de gating suprime las predicciones falsas positivas que de otro modo degradarían la calidad de la inspección y la confianza operativa. Los defectos específicos del hormigón que definen el deterioro estructural (desconchados, eflorescencias, armaduras expuestas y corrosión) son físicamente imposibles en superficies asfálticas y aparecerían como falsos positivos si el sistema los reportara allí. La lógica de gating evita estos errores al imponer el conocimiento del dominio como una restricción estricta en el momento de la inferencia, asegurando que las predicciones de defectos sean siempre contextualmente apropiadas para la superficie en la que se reportan.

Una implementación completa de defect gating abarca la clasificación del tipo de superficie, la inferencia del dominio estructural, las tablas de aplicabilidad de defectos y la granularidad de gating configurable desde el nivel de tesela hasta el nivel de fotograma. El gating se puede deshabilitar para la depuración del modelo, la validación del entrenamiento y escenarios de superficie desconocida. El desarrollo futuro hacia gating aprendido, probabilístico y adaptativo extenderá estas capacidades para manejar nuevos materiales de superficie, condiciones de clasificación inciertas y compensaciones precisión-exhaustividad ajustadas operativamente.

Para los gestores de activos de infraestructura, la importancia práctica de defect gating es clara: los informes de inspección que contienen menos falsos positivos requieren menos tiempo de verificación manual, producen datos de mayor calidad para la priorización del mantenimiento y generan una mayor confianza en el sistema de inspección automatizado. A medida que la detección automatizada de defectos se adopte más ampliamente en el sector de infraestructuras, las estrategias de gating conscientes del contexto serán esenciales para ofrecer resultados de inspección que sean precisos y operativamente útiles.