Detección de elementos geométricos en imágenes con proyección axonométrica mediante técnicas de visión computacional

Abstract

El desarrollo de habilidades de resolución de problemas de geometría tridimensional es importante para los estudiantes y profesionales de ingeniería. Adquirir estas habilidades a través de métodos tradicionales a menudo presenta desafíos para los estudiantes, principalmente porque el material didáctico se presenta en imágenes simples con las que los estudiantes no pueden interactuar para obtener una mayor comprensión. Este artículo describe el desarrollo de una herramienta computacional diseñada para transformar imágenes de proyección axonométricas simples en modelos 3D compatibles con software de diseño CAD. Para lograr esto, hemos diseñado modelos de aprendizaje profundo para clasificar, ubicar e identificar con precisión elementos geométricos dentro de imágenes axonométricas. Nuestros resultados experimentales destacan el rendimiento mejorado del modelo Faster-RCNN, que logró una precisión media (mAP) media del 81 % en las imágenes de prueba. Esta herramienta puede ayudar a los estudiantes de ingeniería a tener una mejor experiencia de aprendizaje, permitiéndoles interactuar con representaciones tridimensionales y mejorar significativamente su comprensión espacial.