Selección de procedimientos de tratamiento digital de imagen en aplicaciones de detección de defectos en carriles-bici y una propuesta de clasificación mediante Big Data

Abstract

En este documento se describen, en primer lugar, una serie de procedimientos de tratamiento digital de imagen, a llevar a cabo con el fin de conseguir automatizar la detección de defectos en señales horizontales de carriles bici. Para ello, haremos uso de imágenes procedentes del carril bici de la ciudad de Sevilla, y realizaremos el tratamiento digital de estas a través del software MATLAB. Por otra parte, se dará otra posible solución al mismo problema desde una perspectiva totalmente distinta. Propondremos la creación de una aplicación a través de la cual los ciudadanos puedan informar ellos mismos al Ayuntamiento sobre cualquier tipo de incidencia relacionada con la vía ciclista. Esta aplicación almacenará los datos que posteriormente analizaremos desde un enfoque big data, para sacar conclusiones al respecto. Para ello, utilizaremos dos softwares de visualización de datos: Carto y Tableau. Finalmente, hablaremos de Hadoop MapReduce y Apache Spark, dos frameworks de computación en clúster que podremos utilizar para procesar nuestros datos de manera distribuida. De todo ello se concluye que, una buena forma de automatizar la detección de señales desgastadas,es realizando una comparación pixel a pixel entre la fotografía real de la señal y una imagen ideal dónde la señal se encuentre en perfecto estado. Para ello, las fotografías deben ser tomadas respetando una serie de normas, como son la luminosidad, o la distancia y ángulo que hay entre la lente de la cámara y la propia señal. Por otro lado, también se concluye que softwares como Carto y Tableau nos pueden proporcionar una buena alternativa al tratamiento con MATLAB. Para ello, se necesitaría que la ciudadanía participase activamente en labores de recolección de datos. Por último, destacar MLib, una librería de machine learning que nos puede abrir una vía de desarrollo interesante, en la que nuestro sistema, además de funcionar mediante computación en clúster, sería capaz de aprender a discernir entre señales en buen y mal estado.