http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
딥러닝을 이용한 영상 기반 항만시설물 점검 프레임워크 개발
김방현 ( Banghyeon Kim ),조수진 ( Soojin Cho ) 한국구조물진단유지관리공학회 2023 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.27 No.1
현재 항만시설은 육안 점검을 통해 유지관리가 진행되고 있으나, 이는 많은 인력과 시간이 소요되며, 점검자에 따라 점검 결과에 대한 신뢰도 차이가 발생한다. 본 연구에서는 딥러닝을 이용하여 영상 기반으로 항만시설물의 표면 손상을 탐지하고, 특징쌍과 호모그래피를 이용하여 탐지된 손상의 위치를 추정해 외관조사망도 형태로 표출하는 프레임워크를 개발하였다. 이를 실제 구조물에 적용하여 검증함으로써, 영상 기반으로 빠르고 정확하게 항만시설물 점검이 가능함을 보였다.
딥러닝 모델 학습을 위한 콘크리트 손상 신속 라벨링 시스템 개발
신효재 ( Shin Hyojae ),김병현 ( Kim Byunghyun ),김방현 ( Kim Banghyeon ),조수진 ( Cho Soojin ) 한국구조물진단유지관리공학회 2023 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.27 No.1
본 연구에서는 콘크리트 구조물에서 촬영한 영상으로부터 손상 라벨링을 신속하고 정확하게 수행하는 신속 라벨링 시스템을 개발하였다. 신속 라벨링 시스템은 미리 학습된 딤러닝 모델을 이용하여 사용자가 설정한 영역 내부의 손상 탐지를 수행하고, 탐지된 손상을 라벨링 결과로 출력해주는 시스템이다. 신속 라벨링 시스템의 성능을 검증하기 위해, 총 80장(균열, 백 태, 철근노출, 박락)의 이미지를 이용하여 인력기반 수동 라벨링과 시스템을 사용한 자동 라벨링의 소요시간, 손상 탐지 정확도를 측정하여 비교하였다.
소상윤 ( Sangyoon So ),김방현 ( Banghyeon ),조수진 ( Kim Soojin Cho ) 한국구조물진단유지관리공학회 2023 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.27 No.2
본 연구는 자동화된 영상 기반 항만시설물 점검을 위한 간략한 손상 위치 추정 방법을 제안한다. 본 기술은 스티칭이나 3D 모델링 과정을 거치지 않고, 특징 탐지 및 이상치 제거 알고리즘에 기반하여 계산한 호모그래피 행렬만을 이용하여 손상위치 정보를 추정한다. 항만시설물 이미지를 활용하여 제안 기술을 최적화하였으며, 폼보드로 제작한 샘플과 실제 콘크리트 벽체에 제안 기법을 적용하여 손상 위치를 추정하였다. 그 결과, 평균적으로 샘플에서는 X방향 6.5cm, Y방향 1.3cm, 벽체에 서는 X방향 12.7cm, Y방향 6.4cm의 오차를 보였다. 또한, 콘크리트 벽체의 손상 위치를 활용하여 외관조사망도를 작성하였으며, 이를 통해 제안 기법이 실제 구조물의 자동화된 점검에 활용 가능함을 보였다.