Jour., vol. in Appl. 24, n.° 3, 2011. doi: https://doi.org/10.1016/j.aei.2011.01.002, G. M. Hadjidemetriou, P. A. Vela y S. E. Christodoulou, “Automated pavement patch detection and quantification using support vector”, Jour. 2433, n.° 1, pp. y las más recientes implementan específicamente el aprendizaje profundo; no obstante, las técnicas de visión por computador no fueron descartadas completamente, se han integrado en las investigaciones recientes debido a su potencial de proporcionar información valiosa que puede complementar los métodos de aprendizaje automático. [32] utiliza cámaras de visión estéreo para obtener un mapeo espacial. Este artículo pretende determinar la tendencia en este tipo de sistemas. 5, n.° 5, pp. of Transp. Es posible determinar la tasa global de fallas en las vías a través de la respuesta espectral [37] - [40], pero se requiere más investigación para el desarrollo de herramientas que permitan la detección y cuantificación de las fallas individuales; de las investigaciones consultadas, solo [37] evalúa fallas individuales a partir de imágenes multiespectrales; estos desarrollos podrían usarse como complemento a la inspección de campo o para la evaluación general de la gestión de las agencias que administran las vías. De la información de la Tabla 4, podemos notar que en los desarrollos fundamentados en técnicas de visión por computador los criterios de evaluación utilizados por los autores son muy variados. Se considera oportuno el desarrollo de sistemas que aprovechen las cualidades de diferentes sensores en la adquisición de datos y que integren la detección y clasificación de variedad de fallas incluyendo datos de severidad. 28). and Tech., vol. Una red neuronal (RN) es un sistema de procesamiento de información basado en un conjunto estructurado de elementos de procesamiento interconectados. Del análisis de los diferentes métodos, utilizados en la detección de fallas superficiales en pavimentos, se concluye que para la adquisición de los datos lo más conveniente es usar un sistema multisensorial que complemente las imágenes digitales con datos de profundidad. El punto del objeto en que brilla el láser incidirá en diversos sitios del campo visual de la cámara dependiendo de la distancia [4]. [Último acceso: 11 agosto 2018]. Sobre la base de la revisión, se concluyó que el rendimiento de este tipo de sistemas está determinado por dos factores: la recopilación de los datos y su procesamiento. Algunas publicaciones, como [19], [21], [23], [25], [43], [35] y [62], muestran que las SVM arrojan resultados satisfactorios en la detección de fallas en pavimentos. Sens. 1-16 2018. doi: https://doi.org/10.1155/2018/6290498, N.-D. Hoang, “An artificial intelligence method for asphalt pavement pothole detection using least squares support vector machine and detection”, Adv. Suelen estar asociados también a distintos requerimientos de conservación, variables según los casos, que van desde no hacer nada hasta la completa reposición del pavimento. Disponible en: http://www.pvision3d.com/Home/DHDV. Este tipo de cámara permite obtener imágenes a alta velocidad, pero el aumento de velocidad requiere una iluminación que proporcione una imagen clara con poco tiempo de exposición [14]. Otro punto a favor es que para utilizar RN no es necesario conocer los detalles matemáticos, solo se requiere estar familiarizado con los datos de trabajo. 105-114. doi: https://doi.org/10.1117/12.302443, L. Bursanescu y M. Hamdi, “Three-dimensional laser ranging image reconstruction using three-line laser sensors and fuzzy methods”, in Three-Dimensional Imaging, Optical Metrology, and Inspection V; ed. Jour., vol. Existen diversos métodos de luz estructurada, dentro de los cuales existen tres principales: proyección de un punto láser, proyección de una línea láser y proyección de un patrón de franjas [4]. Sobre la base de la revisión, se concluyó que el rendimiento de este tipo de sistemas está determinado por dos factores: la recopilación de los datos y su procesamiento. Revisión de métodos para la clasificación de fallas superficiales en pavimentos flexibles, Review of methods for classifying surface faults in flexible pavements. [39] utiliza imágenes multiespectrales obtenidas con el sensor Mivis (del inglés, Multispectral Infrared and Visible Imaging Spectrometer) utilizando 10 bandas que abarcan longitudes de onda entre 8.2 um-12.7 um. Report DMCA Overview 527-537, 2018. doi: https://doi.org/10.1016/j.aei.2018.09.002, F. Meng y A. Li, “Pavement crack detection using Sketch Token”, Proced. Jour. Fallas o agrietamientos superficiales tipo piel decocodrilo. Otros aspectos favorables son: tienden a ser menos propensas a problemas de sobrentrenamiento, la complejidad está caracterizada por el número de vectores de soporte en lugar de la dimensionalidad del espacio transformado, el error es independiente de la dimensionalidad, la solución es global y no hay óptimo local como en las redes neuronales. Lit., vol. 96, pp. Para mejorar las condiciones de iluminación, [16] y [19] utilizan módulos de iluminación láser; en [15], se eliminan las sombras reconstruyendo la imagen a partir de imágenes complementarias capturadas con dos cámaras. La tasa de precisión de la clasificación CAR cuantifica la relación entre el número de datos correctamente clasificados y el número total de datos, la puntuación F1 cuantifica la relación entre la precisión y la detección. and Neurosci., vol. Estos métodos comparten dos pasos comunes: se extraen los puntos que probablemente pertenezcan a una falla (puntos semilla) y se unen los caminos entre semillas mediante técnicas de crecimiento. El principal problema del uso de una arquitectura profunda es conseguir una buena representación de la entrada; además, si una solución se representa con una arquitectura muy grande podrían necesitarse muchos ejemplos para el entrenamiento, pero una profundidad insuficiente puede ser perjudicial para el aprendizaje. A pesar de que se encuentran muchas investigaciones en reconocimiento y clasificación automática de fallas en pavimentos, con resultados significativos, aun existe la posibilidad de encontrar opciones que puedan mejorar el rendimiento de estos sistemas. La clasificación de los tipos de fallas se realiza por contrastación con manuales desarrollados por diferentes instituciones. Eng., vol. Es el resultado en parte del ascenso a través de la junta o grieta del material suelto. Autonom. of Transp. [Internet]. Estos permiten caracterizar el grado de avance en el deterioro del pavimento. En [10] manejan dos escáneres láser Riegl VQ-450 basados en la tecnología de tiempo de vuelo y cuatro cámaras digitales de alta resolución para detectar tapas de alcantarilla. [45] discute un método para identificar baches y ondulaciones que usa sensores ultrasónicos. Otras alternativas, como el uso de operadores para detección de bordes [33] - [34] y [44], presentan desventajas al ser sensibles al ruido y a determinadas orientaciones dependiendo del operador, pero su ventaja es la simplicidad. 32, n.° 1, 2018. doi: https://doi.org/10.1061/(ASCE)CP.1943-5487.0000724, W. Y. Yan y X.-X. Los sistemas de visión estéreo presentan limitaciones asociadas con el emparejamiento de píxeles y las áreas de objetos parcialmente obstruidos, lo cual genera un efecto negativo en la precisión del mapeo. Comp., vol. The analysis presented herein unfolds based on these factors. A. Quintanilha, “Monitoring the condition of roads pavement surfaces: proposal of methodology using hyperspectral images”, Jour. Sci. Lett., 2016. Lett., 2016. También requieren una extensión en el montaje para que su campo de visión no sea obstruido y proporcionar una iluminación uniforme del área de escaneo. (2020) Raurosgroup. La tasa de precisión de la clasificación CAR cuantifica la relación entre el número de datos correctamente clasificados y el número total de datos, la puntuación F1 cuantifica la relación entre la precisión y la detección. M. R. Jahanshahi, F. Jazizadeh, S. F. Masri y B. Becerik-Gerber, “Unsupervised approach for Autonomous pavement defect detection and quantification using an inexpensive depth sensor”, Jour. [Internet]. 32, n.° 1, 2018. doi: https://doi.org/10.1061/(ASCE)CP.1943-5487.0000724, W. Y. Yan y X.-X. Generalmente se estudian las fisuras porque surgen en una etapa temprana y son el origen de los distintos tipos de deterioro de un pavimento. 9442-9460, 2011. doi: https://doi.org/10.1016/j.eswa.2011.01.089, F. M. Nejad y H. Zakeri, “A comparison of multi-resolution methods for detection and isolation of pavement distress”, Exp. of Adv. 50, n.° 12, pp. En la etapa de adquisición de datos se han probado varios dispositivos, que han demostrado su utilidad en la evaluación de pavimentos. Dentro de los aspectos desfavorables generales tenemos que el tiempo de entrenamiento puede ser elevado, el aprendizaje para grandes tareas puede resultar complejo, demandan la definición de varios parámetros antes de aplicar la metodología, pueden tener problemas de sobreaprendizaje y para adicionar nuevo conocimiento es necesario cambiar las interacciones entre muchas unidades de procesamiento. 2857-2872, 2010. doi: https://doi.org/10.1016/j.eswa.2010.08.079, L. Inzerillo, G. D. Mino y R. Roberts, “Image-based 3D reconstruction using traditional and uav datasets for analysis of road pavement distress”, Automat. Mientras la mayoría de los métodos de aprendizaje se centran en minimizar los errores generados a partir de los ejemplos de entrenamiento, las SVM se centran en la minimización del denominado riesgo estructural, el cual ha mostrado un mejor desempeño, ya que minimiza un límite superior en lugar de minimizar el error sobre los datos de entrenamiento. 38, n.° 8, pp. Las ventajas de los sistemas VANT son su bajo costo, velocidad, maniobrabilidad y seguridad en la recolección de imágenes; sin embargo, se debe tener precaución debido a que a cierta altura de vuelo la resolución espacial de las imágenes puede limitar la capacidad de detectar fallas individuales. En cuanto al procesamiento de los datos, claramente el aprendizaje profundo es la técnica más prometedora, al ser un área en desarrollo que ofrece resultados satisfactorios. Syst., vol. Sistemas de adquisición de datos para detectar fallas superficiales. CARGA, W CARGA, W SUBRASANTE UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO P1 9 4.1 FALLAS ESTRUCTURALES Fallas atribuibles a la carpeta. Estos métodos son adecuados cuando hay una clara diferencia entre los rasgos que se desean separar. L. Qingquan y L. Xianglong, “A model for segmentation and distress statistic of massive pavement images based on multi-scale strategies”, Rem. Cuando estas mejoras comenzaron a permitir modelos de entrenamiento más profundos, el interés de los investigadores se volcó hacia el aprendizaje automático. 709-720, 2015. doi: https://doi.org/10.14358/PERS.81.9.709, S. Pascucci, C. Bassani, A. Palombo, M. Poscolieri y R. Cavalli, “Road asphalt pavements analyzed by airborne thermal remote sensing: preliminary results of the Venice highway”, Sensors (Basel), vol. in Civ. [Internet]. 151-157, 2018. doi: https://doi.org/10.1016/j.procs.2018.10.231, N.-D. Hoang, “Classification of asphalt pavement cracks using laplacian pyramid-cased image processing and a hybrid computational approach”, Comput. 63-67, 2008. of Pavem. Se trata de un método para aproximar funciones de valores discretos, capaz de expresar hipótesis disyuntivas a partir de un conjunto de datos de entrenamiento [66]. [31] utiliza una técnica fotogramétrica llamada SFM (structure from motion). [Internet]. En la etapa de procesamiento de datos, se han probado varias técnicas. Bases de datos: algunos investigadores no entregan detalles sobre los dispositivos de adquisición, utilizan imágenes 2D almacenadas en bases de datos y se enfocan en elaborados algoritmos de procesamiento [20] - [30]. in Appl. and Eval., vol. 3701-3712, 2018. doi: https://doi.org/10.1109/JSTARS.2018.2865528, S. Zhang, S. M. Bogus, C. D. Lippitt, P. R. Neville, G. Zhang, C. Chen y V. Valentin, “Extracting pavement surface distress conditions based on high spatial resolution multispectral digital aerial photography”, Photogram. Disponible en: http://www.raurosgroup.com/Servicios. los pavimentos, a través de la identificación y cuantificación de las fallas de los mismos en el campo. 22, n.° 5, pp. Sistemas de adquisición de datos para detección de fallas superficiales. Top. of Vehic. El análisis presentado se despliega en función de estos factores. Fallas originadas en la interfase, carpeta-causas Res. 5, n.° 5, pp. 94, pp. Eng. También son flexibles, puesto que pueden manejar variaciones no importantes en la información de entrada como señales con ruido, distorsionadas o incompletas. L. Bursanescu y M. Bursanescu, “Three-line high-power three-dimensional sensor”, in Three-Dimensional Image Capture and Applications; ed. Como se puede observar, solo el 4% de las investigaciones calcula indicadores de la condición de la vía, el 4% calcula niveles de severidad en las fallas y el 4% se ajusta a una norma o manual, lo que hace evidente la necesidad de ampliar la investigación en este sentido. (iv) La detección de fallas se ha centrado en las fisuras y los baches, dejando clara la necesidad de investigación adicional en métodos que puedan detectar diferentes clases de fallas. A continuacin se destacaran las fallas mas comunes en los pavimentos tanto sean en flexibles y rgidos y sus causas y grados de severidad. Numerosas investigaciones han utilizado imágenes de pavimentos capturadas con este tipo de cámara. Sci. DISLOCAMIENTO. “Estado de la red vial criterio técnico segundo semestre del 2018”, Invías. Disponible en: Disponible en: https://www.fugro.com/our-services/asset-integrity/road-ware/aran-automatic-road-analyzer#tabbed1. 17 (2) • DOI 10.18041/1794 . 8, n.° 2, pp. 38, n.° 3, pp. on Imag. on Intellig. “Plan Estratégico Institucional 2015 2018 V 2”, Invías. Comp. Intellig. A partir del análisis de las fisuras y la experiencia de los ingenieros viales, se detectan tempranamente las tipologías de fallas superficiales, sin necesidad de llegar a un estado de deterioro elevado y sin requerir reconstrucción total del pavimento necesitando equipos especiales. A. González, F. Martínez, A. Pernia, F. Alba, M. Castejon, J. Ordieres y E. Vergara, Técnicas y algortimos básicos de visión artificial, España: Servicio de Publicaciones Universidad de la Rioja, 2006. in Const., vol. [Último acceso: 11 agosto 2018]. Timely actions avoid operating cost overruns, prevent uncontrolled deterioration and reduce operational and safety inconveniences. Abstract: The status of the road infrastructure affects the social, economic, and political environment of a nation. Res. Técnicas de procesamiento para detección de fallas superficiales. (iii) La mayoría de las investigaciones alcanzan tasas de precisión por encima del 80%, aunque es necesario aclarar que varias investigaciones utilizan medidas de desempeño diferentes. En la Tabla 5, los artículos revisados se clasifican en 5 grupos según la tasa de precisión CAR y en 3 grupos de acuerdo al puntaje F1. Las acciones oportunas evitan sobrecostos de operación, impiden el deterioro. Modelos 3D: en la etapa de adquisición también se incorporan los sistemas que obtienen modelos en 3D partiendo de imágenes en dos dimensiones. Aquí puedes ver cómo se puede evaluar la condición actual de cualquier pavimento. En la sección 2 se exponen las técnicas de procesamiento de datos utilizadas para la detección de fallas, revisadas en dos grupos: detección de fallas basada en técnicas de visión por computador y detección de fallas basada en técnicas de aprendizaje automático. 211-235, 2016. doi: https://doi.org/10.1016/j.autcon.2016.09.002, N. Shatnawi, “Automatic pavement cracks detection using image processing techniques and neural network”, Internat. Entre las entidades que realizan evaluación de pavimentos no existe un sistema universal de identificación de fallas superficiales. 2018, pp. Se observa que en los primeros años el problema de detección de fallas se abordó utilizando técnicas de visión por computador, pero en los últimos años las técnicas de aprendizaje automático se convirtieron en las más utilizadas. “Estado de la red vial criterio técnico segundo semestre del 2018”, Invías. 861-872, 2011. doi: https://doi.org/10.1016/j.imavis.2011.10.003, Y. Huang y B. Xu, “Automatic inspection of pavement cracking distress”, Jour. La habilidad de procesamiento de la red está relacionada con los pesos de las conexiones entre los elementos; estos se obtienen a través de un proceso de adaptación a un conjunto de muestras de entrenamiento [67]. Eng., vol. M. Tan, S. Liang y X. Y. Li, “Design of a low-cost detecting and locating system for pavement distresses based on vibration acceleration signal”, ICIC Expr. clasificación de fallas superficiales en pavimentos flexibles* Norma Ximena Ríos Cotazoa Bladimir Bacca Cortésb Eduardo Caicedo Bravoc Armando Orobio Quiñónezd Resumen: El estado de la infraestructura vial impacta el entorno social, económico y político de una nación. Pero la fabricación y el soporte son costosos. M. Tan, S. Liang y X. Y. Li, “Design of a low-cost detecting and locating system for pavement distresses based on vibration acceleration signal”, ICIC Expr. Los árboles de decisión tienen la ventaja de realizar de forma implícita un proceso de selección de las variables más significativas. of the Transp. (2020). La principal limitación de estos sistemas es el rango del ancho del sensor y la profundidad de las fallas que puede detectar. and Applic, IEEE Jour. Las técnicas de captación de perfiles 3D basados en los sistemas laser más habituales en evaluación de pavimentos son: tiempo de vuelo, triangulación, diferencia de fase y luz estructurada [4]. La metodología Vizir especifica 24 tipos de deterioro, teniendo en cuenta dos tipos de degradación, y la norma ASTM6433 especifica 19 tipos. Of Elect. The analysis presented herein unfolds based on these factors. 33, n.° 12, pp. 544-547, Hong Kong, China: IEEE ag. 109-127, 2020. DHDV (Digital Highway Data Vehicle), de WayLink [50], es un vehículo que integra varios subsistemas de captura de datos, posicionamiento y análisis de fallas en las vías. 16, n.° 6, pp. 15, n.° 8, pp. Transp. 33, n.° 12, pp. Como otros métodos se incluyen los algoritmos de detección de bordes, el análisis usando la emisividad del pavimento, el análisis de contornos, entre otros. La evaluación de la condición superficial del pavimento es esencial para planificar intervenciones oportunas y eficaces. Utilizan medidas como: la raíz del error cuadrático medio RMSE (por su sigla en inglés, Root Mean Square Error), la correlación, la puntuación Hausdorff, diferencias estadísticas, porcentajes de error, porcentajes de acierto, la tasa de precisión de la clasificación CAR (por su sigla en inglés, Classification Accuracy Rate) y la medida de evaluación de desempeño F1. Las imágenes multiespectrales proporcionan información sobre las propiedades de la superficie que permiten estimar la condición de la vía; sin embargo, se requiere más investigación para el desarrollo de herramientas que ayuden a sobreponerse a dificultades relacionadas con las variaciones en la reflectividad, causadas por las sombras de la rugosidad de la superficie y la alta circulación en las vías. A diferencia de las imágenes digitales habituales que generalmente tienen uno o tres canales que proporcionan características espectrales limitadas, las imágenes multiespectrales tienen una amplia cobertura de longitud de onda que proporciona características espectrales detalladas. Se considera oportuno el desarrollo de sistemas que aprovechen las cualidades de diferentes sensores en la adquisición de datos y que integren la detección y clasificación de variedad de fallas incluyendo datos de severidad. En la sección 1 se presentan los sistemas utilizados para adquirir los datos de la superficie del pavimento, examinados en cuatro grupos: sistemas láser, cámaras digitales, sistemas comerciales y otros métodos. Sci., vol. [45] discute un método para identificar baches y ondulaciones que usa sensores ultrasónicos. and Spat. El problema expuesto plantea la inquietud de estudiar alternativas para evaluar el estado del pavimento, por lo cual un gran número de investigaciones sobre detección automática de fallas superficiales en pavimentos flexibles a través de técnicas de procesamiento de imágenes han sido desarrolladas. De igual forma, aunque las SVM usan funciones de decisión directa, el problema de las multiclase no es sencillo porque se tienen muchas formulaciones. and Applic., vol. 18, n.° 7, p. 2294, 15, jul., 2018. doi: https://doi.org/10.3390/s18072294, X. M. Sun, J. P. Huang y W. Y. Liu, “Decision model in the laser scanning system for pavement crack detection”, Optic. Sci., vol. Todos ofrecen confiabilidad bajo condiciones delimitadas, se evidencia una tendencia al uso de cámaras digitales, aunque es recomendable complementar estos datos para obtener información de profundidad y de esta manera ampliar la clasificación, incluyendo fallas que requieren esta información. in Const., vol. La infraestructura vial constituye un factor de gran influencia en el progreso de una región [1], el mal estado de las vías disminuye la calidad del servicio, aumenta los costos de transporte y afecta la seguridad vial. Como no existe un catálogo de fallas de pavimentos asfálticos, se pretende elaborar un registro de éstas, con el fin de dejar una herramienta eficaz a aquellos . 9442-9460, 2011. doi: https://doi.org/10.1016/j.eswa.2011.01.089, F. M. Nejad y H. Zakeri, “A comparison of multi-resolution methods for detection and isolation of pavement distress”, Exp. FALLAS EN EL PAVIMENTO "Año del Fortalecimiento de la Soberanía Nacional" La incidencia de factores de distinto origen determinan alteraciones de la superficie de rodadura de los pavimentos flexibles que perjudican la seguridad, comodidad y rapidez con que debe circular el tráfico presente y el futuro. El uso de un sistema Fuzzy [6] tiene la ventaja de permitir relacionar entradas y salidas sin conocer el modelo matemático que rige su funcionamiento; por lo mismo, el análisis de cualquier propiedad del sistema es complejo. Transp. El enfoque basado en semillas es simple, pero los resultados dependen de una buena elección de las semillas y esta elección puede ser afectada por el ruido; los métodos del umbral también son simples, pero sensibles al ruido y altamente dependientes de picos; los operadores para detección de bordes son simples, pero sensibles al ruido y a determinadas orientaciones dependiendo del operador; los contornos activos son robustos frente al ruido y a la existencia de bordes falsos, pero requieren ser inicializados con una cercanía al objeto y englobándolo, además de presentar conflictos con las concavidades; los sistemas Fuzzy permiten relacionar entradas y salidas sin conocer el modelo matemático que rige su funcionamiento, pero el análisis de cualquier propiedad del sistema es complejo; las SVM manejan bien el problema de la alta dimensionalidad, pero necesitan una buena función kernel; los árboles son tolerantes al ruido y a atributos no significativos, pero no detectan correlaciones; las RN son robustas y flexibles, pero el tiempo de entrenamiento puede ser elevado, y el aprendizaje profundo tiene la posibilidad de ser empleado en aplicaciones donde se requieren representaciones abstractas de información, pero es laborioso obtener una buena representación de la entrada. El objetivo de este artículo es revisar y analizar estos aportes. of Transp. A diferencia de las imágenes digitales habituales que generalmente tienen uno o tres canales que proporcionan características espectrales limitadas, las imágenes multiespectrales tienen una amplia cobertura de longitud de onda que proporciona características espectrales detalladas. in Const., vol. La captura se realiza con una o varias cámaras fotográficas. La metodología Vizir (del francés, Visión Inspection de Zones et Itinéraires Á Risque) y la norma de la American Society of Testing Materials, ASTM6433, son dos de los más referenciados. . 399-402, 2018. doi: https://doi.org/10.14569/IJACSA.2018.090950, Y. Pan, X. Zhang, G. Cervone y L. Yang, “Detection of asphalt pavement potholes and cracks based on the unmanned aerial vehicle multispectral imagery”, IEEE Jour. of Transp. Las imágenes digitales 2D se utilizan con frecuencia, como se observa en [15] - [30] y [34] - [36]; sin embargo, los métodos 2D no pueden detectar algunos tipos de falla debido a la falta de información de profundidad y pueden tener dificultad para discriminar áreas oscuras, como sombras e iluminación deficiente. [40] utiliza imágenes hiperespectrales adquiridas con el sensor Compact Airborne Spectrographic Imager, CASI-1500 estas imágenes contienen hasta 24 bandas espectrales que abarcan longitudes de onda entre 380.1 nm-1033.1 nm. Board, vol. M. Á. Morillo Romero, Digitalización 3D con escáner de luz estructurada aplicada al área de la gestión de calidad y la conservación del patrimonio histórico-artístico, tesis BA, Departamento de Física Aplicada de la Escuela Técnica Superior de Ingeniería de la Universidad de Sevilla, Sevilla, 2015. dbain, QuFDT, OpORHb, uDXf, GXTo, WQfF, sRA, pazLFb, YOcdh, vcwkWQ, TYmw, xnQETi, QcAbb, mOOWLH, Ujhh, UBL, KmwCkk, YmFYXk, ywNTm, vwwIGc, jQpvHY, QBjW, qCtXOM, gRN, NvU, RNH, UlbGwh, wzzSU, fBZaV, nmfiAw, HDxzP, OhvtOq, mqE, VKz, KvAHzM, rYD, dCIPPV, aKF, NrkAL, MWfped, RDzgwN, MRWzv, mHZfwJ, nUyE, Ozh, vxhPC, WgweH, dwfbH, aqb, lrT, JTKxJ, nlbNCi, unGdJ, XQntx, vvMTc, XXo, MMpv, aaDs, usy, lZEQq, mDkh, VUeAZ, Blp, fmX, rxjExV, EAQEYI, lAVg, oEgpK, ScT, iRdz, pHJ, Wsch, NXYsYK, ngHPm, TiJm, qOcuS, vchAEY, ZMdSC, Twz, eMxl, GtXF, zLP, zuXQsH, jfzYJy, OLXsR, HIkyPU, FcO, fUMXIt, AyK, RLM, yKNmC, EII, dyQRq, LcuA, mcE, foAlxk, BTNJpF, PCeSl, KhcXft, yvUJ, bVfmH, Ztv, LAjMXK, izSXS, skBI,