Detección de defectos de pintura en secciones de torres a partir de imágenes mediante aprendizaje automático.

Abstract

[ES] Los defectos de pintura en las torres eólicas pueden ser un problema, ya que derivan en daños corrosivos y reducen la vida útil de las estructuras. Para abordar este desafío en los últimos años se ha incrementado el uso de técnicas de inteligencia artificial, particularmente el aprendizaje automático, para mejorar la detección de estos defectos. Este trabajo se basa en la revisión, análisis y selección de las técnicas más recientes de aprendizaje automático aplicadas a la detección de defectos en superficies pintadas. Como parte del proyecto, se prevé el desarrollo de una base de datos de imágenes de alta resolución, que servirá como base para entrenar un modelo capaz de automatizar la inspección de las torres eólicas. Mediante esta investigación, se busca contribuir al avance tecnológico en los procesos de mantenimiento de las torres eólicas, reduciendo los fallos derivados de la corrosión y optimizando su durabilidad.

[EN] Paint defects in wind turbine towers can become a problem over time, as they may lead to corrosive damage and reduce the lifespan of these structures. To address this challenge, the use of artificial intelligence techniques, particularly machine learning, has increased in recent years to improve the detection of these defects and replace traditional manual methods. This work focuses on the review, analysis, and selection of the most recent machine learning techniques applied to the detection of defects on painted surfaces. As part of the project, a high-resolution image database is planned to be developed, which will serve as a basis for training a model capable of automating the inspection of wind turbine towers. Through this research, the aim is to contribute to technological advancement in the maintenance processes of wind turbines, reducing failures caused by corrosion and optimizing their durability.