Edición eXTRA de FPE 34, marzo de 2020

Un método de inspección digitalizado que usa visión artificial para recopilar datos de carga de combustible en edificios

Por: Negar Elhami-Khorasani y Thomas Gernay

La densidad de carga de combustible cuantifica, por área del piso de la unidad de un compartimento, la cantidad de energía disponible para alimentar el fuego. Esta es una información crucial para la definición de escenarios de incendio utilizados en el diseño de incendios basados en el desempeño. Sin embargo, a pesar de la importancia de este parámetro para la seguridad contra incendios, los datos de densidad de carga de combustible son escasos porque los métodos de inspección actuales siguen siendo poco prácticos y/o inexactos.

Las estadísticas de los datos recolectados de las inspecciones de densidad de carga de combustible son la base de los valores de diseño reportados en los códigos y estándares. Por ejemplo, la NFPA 557 [1] proporciona un Anexo sobre datos de inspecciones de carga de combustible anteriores de 1957 a 2008, con solo pocas inspecciones completadas después del año 2000. Inspeccionar la densidad de carga de combustible (definida en MJ/m²) implica cuantificar la cantidad de materiales combustibles (en kg) y la naturaleza de dichos materiales (cuantificados por su poder calorífico en MJ/kg) en un compartimento. Los materiales combustibles en un compartimento incluyen contenidos móviles y fijos, tales como muebles y acabados interiores, tales como acabado de pisos y revestimientos de paredes y techos.

El enfoque de inspección preferido actualmente, según lo recomendado por la NFPA 557, es una combinación de método de inventario y pesaje, donde el pesaje directo se aplica a artículos más pequeños y el método de inventario se usa para artículos más pesados. El método de inventario obtiene la masa de los artículos mobiliarios comunes, basado en las relaciones establecidas entre las características visuales de los artículos y su masa de los catálogos de los fabricantes. En un proyecto de investigación reciente [2], se desarrolló un nuevo método que utiliza la visión artificial para aumentar la eficiencia y la precisión de la recopilación de datos de carga de combustible.

Metodología digitalizada

Los recientes avances tecnológicos brindan una oportunidad para metodologías de inspecciones más sofisticadas pero fáciles de implementar para recopilar datos de carga de combustible en edificios. Específicamente, las inspecciones de carga de combustible se pueden llevar a cabo utilizando una colección de imágenes del contenido del edificio, medidas virtuales y técnicas de reconocimiento de imágenes, como se esquematiza en la Figura 1. El procedimiento de inspección de cuatro pasos consiste en:

1. Inventario digital: el inspector recopila datos en el sitio a través de una aplicación digital. El inspector, sobretodo, toma fotos instantáneas y mediciones digitales del contenido de la habitación utilizando la cámara y la aplicación de medición virtual en el teléfono inteligente o tableta que ejecuta la aplicación. La aplicación también permite ingresar las características generales del edificio y la habitación inspeccionada y subir dibujos del edificio.
2. Organización de datos: la aplicación desarrollada almacena las fotos instantáneas y los datos ingresados en una base de datos estructurada en línea (base de datos SQL en tablas formateadas).
3. Coincidencia de artículos: fuera del sitio, el inspector realiza una búsqueda de imágenes en las fotos instantáneas para encontrar los muebles que coinciden y las especificaciones correspondientes en línea. Esta búsqueda se basa en el reconocimiento de imágenes y en técnicas de minería de datos que están disponibles en las bases de datos de inventario existentes en línea, para obtener la composición de masa y (si está disponible) de material del artículo. A veces, el inspector necesita estimar la composición material del artículo con base en el juicio o la información disponible en línea.
4. Cálculo de la carga de combustible: la aplicación realiza la evaluación de la carga de combustible al convertir la especificación de los muebles (composición de masa y material) en energía utilizando los valores caloríficos que se codifican para los diferentes materiales

Aplicación

La Figura 2 muestra un ejemplo de aplicación de la metodología de inspección. Se toma una foto instantánea y se toman medidas virtuales de una silla de oficina usando un teléfono inteligente (Figura 2a). El peso de esta silla se mide usando una báscula regular de 10,4 kg. Una búsqueda de imágenes se completa en una base de datos en línea y devuelve un artículo que coincide (Figura 2b), con sus dimensiones y un peso listado de 10,4 kg. La comparación de las dimensiones confirma la coincidencia. En general, la precisión del procedimiento depende de la disponibilidad del artículo en línea (por ejemplo, puede ser más difícil encontrar una coincidencia cercana para muebles muy antiguos) y de la calidad de la imagen (por ejemplo, un desorden de varios artículos en una estantería puede contaminar la búsqueda de imágenes en la estantería). Para la silla, con supuestos sobre la composición del material como 50% en masa no combustible (estructura metálica, etc.), 30% en masa de plástico promedio y 20% en masa de poliuretano, la carga de combustible calculada por la aplicación es 165 MJ.

El método de inspección se ha aplicado a tres edificios en Buffalo, Nueva York. Se inspeccionó un área total de oficinas de 1720 m2 que consta de 34 oficinas cerradas y 161 cubículos dentro de 12 espacios grandes de oficinas de planta abierta. La densidad de carga de combustible medida para el contenido móvil tenía una media de 1115 MJ/m² con una desviación estándar de 614 MJ/m². Al incluir el contenido fijo, la densidad de carga de combustible total medida tenía una media de 1486 MJ/m² con una desviación estándar de 726 MJ/m².

Avanzando

Las ventajas del método de inspección digitalizado propuesto sobre los métodos de inventario aplicados anteriormente incluyen: (1) aplicación del reconocimiento de imágenes para encontrar artículos que coincidan en línea, lo cual acelera el proceso para cuantificar las propiedades de los artículos; (2) reducción de la interrupción para los ocupantes de la sala (porque el procedimiento en el sitio es más rápido y el inventario digital puede ser procesado después de la visita de campo); (3) forma digitalizada interactiva con posibilidad de estandarización y almacenamiento de datos para una base de datos cada vez mayor de estadísticas de carga de combustible.

En adelante, la aplicación desarrollada se puede utilizar para inspeccionar edificios y poblar la base de datos a lo largo del tiempo con muchos artículos de mobiliario. Si la base de datos crece lo suficiente, se puede omitir el paso adicional de coincidencia de artículos, para encontrar la masa y la información en la composición del material, ya que la tecnología AI se puede utilizar dentro de la aplicación desarrollada para hacer coincidir la imagen de un artículo directamente con el valor de la densidad de carga de combustible en la base de datos. De esta forma, el post-procesamiento podría automatizarse completamente.

Agradecimientos

Los autores agradecen a la Fundación de Investigación de Protección de Incendios (FPRF) y a la Asociación Nacional de Protección de Incendios (NFPA) por su generoso apoyo. La FPRF generosamente proporcionó fondos y orientación para este proyecto de investigación. En particular, los autores agradecen a Amanda Kimball y a los miembros del Panel Técnico del Proyecto por su apoyo.

Negar Elhami-Khorasani está adscrito a la Universidad de Buffalo, EE. UU., Y Thomas Gernay está adscrito a la Universidad Johns Hopkins, EE. UU.

Referencias

1. NFPA. (2002). NFPA 557 Standard for determination of fire loads for use in structural fire protection, National Fire Protection Association, Quincy, MA.
2. Elhami Khorasani et al. (2019). Digitized Fuel Load Survey Methodology Using Machine Vision, Fire Protection Research Foundation, Quincy, MA.