Clasificación inteligente de daños en transporte marítimo de vehículos basada en visión por computadora y redes convolucionales

• Autores: Flores, Hugo Daniel; Neil, Carlos Gerardo; Delrieux, Claudio
• Año de publicación: 2026
• Idioma: español castellano
• Tipo de recurso: artículo
• Materia: Ciencias Informáticas; Daños; Redes Neuronales; Convolucionales; Visión artificial; Damage; Convolutional neural networks; Computer vision
• Institución: Universidad Nacional de La Plata

Un alto porcentaje de vehículos son transportados vía marítima, donde son manipulados según protocolos específicos. Controlar su estado y detectar daños recae en personal capacitado, lo que genera dificultades al momento de imputar responsabilidades. Para mejorar la eficiencia de estos procesos, la Visión Artificial (VA) se ha consolidado como una alternativa viable para detectar y clasificar daños en distintas industrias. El objetivo de este trabajo es implementar el uso de algoritmos de Inteligencia Artificial (IA) para detectar y clasificar daños en la industria marítima. Se describe la creación y ejecución de 3 modelos de Redes Neuronales Convolucionales (RNC) para identificar tipos de daños, partes de autos dañados, y lugares donde son producidos, así como el procedimiento para obtener la información de las bases de datos actualmente en producción en la industria automotriz. Luego, se realiza un análisis profundo para determinar la exactitud de los resultados obtenidos y los cambios que se deben hacer en los procesos para producir mejores modelos de RNC. Se ha comprobado que las técnicas de VA basadas en RNC son altamente efectivas para implementar soluciones destinadas a la detección y clasificación de daños en esta industria. También se ha demostrado que es conveniente para la industria marítima estandarizar tanto los procesos de inspección como los procedimientos de captura de datos para producir modelos de IA con mejores resultados.
A high percentage of vehicles are transported by sea, where they are handled according to specific protocols. Monitoring their condition and detecting damage falls to trained personnel, which creates difficulties when assigning liability. To improve the efficiency of these processes, Computer Vision has established itself as a viable alternative for detecting and classifying damage in different industries. The objective of this work is to implement the use of Artificial Intelligence algorithms to detect and classify damage in the maritime industry. The creation and execution of three Convolutional Neural Network models to identify types of damage, damaged car parts, and production locations is described, as well as the procedure for obtaining information from databases currently in production in the automotive industry. An in-depth analysis is then performed to determine the accuracy of the results obtained and the changes that should be made to the processes to produce better Convolutional Neural Network models. Computer Vision techniques based on Convolutional Neural Networks have been proven to be highly effective for implementing solutions for damage detection and classification in this industry. It has also been shown that it is beneficial for the maritime industry to standardize both inspection processes and data capture procedures to produce Artificial Intelligence models with better results.
Sociedad Argentina de Informática e Investigación Operativa