Aplicación de algoritmos de Machine Learning no supervisados para el etiquetado automático de medidas de vibraciones en fachadas

Abstract

Este trabajo aplica algoritmos de Machine Learning no supervisado (K-Means y DBSCAN) para el etiquetado automático de vibraciones recogidas durante el desmontaje de los mosaicos del Centro SCOP en México. Los datos, capturados con sensores de aceleración, contenían patrones previamente identificados (A-H). Tras un preprocesamiento cuidadoso (normalización, balanceo, PCA), los resultados evaluados con métricas ARI y NMI mostraron un rendimiento cuestionable de ambos algoritmos para replicar la clasificación previa existente. Se concluye y se proponen líneas de futuro para mejorar la identificación automática en monitorización estructural y conservación patrimonial.

This work applies unsupervised Machine Learning algorithms (K-Means and DBSCAN) for the automatic labeling of vibrations recorded during the dismantling of the mosaics at the SCOP Center in Mexico. The data, captured using accelerometer sensors, contained pre-identified patterns (A-H). After exhaustive preprocessing (normalization, balancing, PCA), the results evaluated using ARI and NMI metrics showed limited performance of both algorithms in replicating the manual classification. It concludes and proposes future lines of work to improve automatic identification in structural health monitoring and heritage conservation.