La DANA en 3D: una alumna de la UPV cataloga los daños en 205 edificios para entrenar IA

Mariana Castañeda Jaramillo, alumna en prácticas de la Cátedra ENIA-UPV, ha desarrollado una metodología que reúne en un modelo digital las fotografías y los datos de los daños de los edificios afectados por la DANA de València de 2024. Su objetivo es facilitar la rehabilitación y preparar el terreno para futuras herramientas de inteligencia artificial.

El trabajo, realizado con Nunsys Group como empresa promotora de la cátedra, parte de una prueba piloto en Castellar-L’Oliveral (València), una de las zonas afectadas por las inundaciones. Allí se documentaron 205 edificios y se recopilaron 1.190 fotografías georreferenciadas. El proyecto ha creado un repositorio propio, ante la falta de bases de datos que reúnan de forma conjunta imágenes e información sobre los daños habituales en los edificios.

De la fotografía al modelo 3D

Según explica Castañeda en declaraciones a El Periódico de la Energía, no se trata de un programa comercial: “No es una plataforma comercial ni una aplicación independiente, sino un flujo de trabajo que conecta diferentes herramientas y datos”. Combina tecnologías BIM y GIS con procesos automatizados. Las fotografías se georreferencian y sirven para identificar y clasificar las lesiones, que después se vinculan con los datos territoriales de cada edificio y se incorporan a modelos digitales 3D. Se apoya en estándares abiertos, como IFC, para que la información pueda compartirse entre distintos programas.

En el modelo, cada daño queda asociado a su ubicación, al elemento afectado, al tipo de lesión, a su gravedad, a los materiales y a la fotografía correspondiente. “Pasamos de tener fotografías aisladas a disponer de información organizada y relacionada”, señala la alumna.

Los daños se agrupan en tres categorías: fisuras y grietas, deterioro de materiales y desprendimientos de revestimientos. Incluyen manchas de humedad, corrosión, pérdida de material y roturas, con cuatro niveles de gravedad, de 0 a 3. La clasificación se limitó a fachadas y elementos exteriores, sin una evaluación estructural completa ni una inspección de instalaciones. De los 205 edificios, 59 cuentan con 697 registros de daños identificados y clasificados.

Qué puede aportar la inteligencia artificial

Para la inteligencia artificial se seleccionaron 256 fotografías con 1.717 anotaciones detalladas, que la Cátedra ENIA-UPV ya ha empleado en tareas de entrenamiento y evaluación de modelos. A corto plazo, Castañeda cree que podrían desarrollarse herramientas que detecten y clasifiquen los daños de forma automática a partir de imágenes; más adelante, sistemas capaces de describirlos.

La alumna sostiene que la rehabilitación será “más sostenible” porque mejora la información para decidir: permite conocer el estado de los edificios, priorizar los más dañados y estimar qué elementos hay que reparar y en qué cantidades, lo que ayuda a ajustar los materiales y evitar sobrantes.

El director de la Cátedra ENIA-UPV y de VRAIN, Vicent Botti, afirma que “proyectos como este demuestran la importancia de incorporar la inteligencia artificial de forma transversal en las distintas áreas de conocimiento”.

Castañeda ve utilidad para arquitectos, ingenieros, técnicos de rehabilitación y administraciones, sobre todo ante desastres naturales. Aún no se ha decidido, sin embargo, publicar el repositorio ni las condiciones de acceso para terceros, y aplicarlo a mayor escala requeriría nuevas pruebas y validaciones.