http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Cascade Mask R-CNN을 이용한 도로 균열 탐지
배숙경 ( Bae Suk-kyoung ),곽대운 ( Gwak Dae Un ),김태균 ( Kim Taegyoon ),정세란 ( Jeong Seran ),조수진 ( Cho Soojin ) 한국구조물진단유지관리공학회 2021 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.25 No.1
딥러닝 기술을 이용하여 구조물의 균열을 탐지하는 기술에 대한 연구가 활발하게 이루어지고 있다. 기존 연구에서는 탐지대상이 되는 균열의 라벨링을 실제 균열 크기보다 두껍게 하여, 딥러닝 모델이 탐지한 영역이 실제 균열보다 두껍게 나타난다. 이 경우 손상 정량화 단계에서 균열 폭의 계산을 위한 추가적인 영상처리가 필요하며, 이를 실무에서 적용하는 데 여러 어려움이 발생한다. 이에 본 연구에서는 균열의 폭에 딱 맞는 라벨링을 수행한 학습데이터를 이용하여, 탐지 영역이 실제 균열의 폭과 거의 근사하는 딥러닝 모델을 개발하였다. 딥러닝 모델로는 Instance Segmentation 모델인 Cascade Mask R-CNN 모델이 사용되었으며, 콘크리트 교면포장 사진 1,767장을 이용하여 학습하였다. 콘크리트 교면에서 발생한 0.2mm 균열들을 포함하는 18,592*10,000(pixel)이미지들을 대상으로 해당 모델의 성능을 검증하였다.
정세란 ( Jeong Seran ),배숙경 ( Bae Suk-kyoung ),김병현 ( Kim Byunghyun ),민지영 ( Min Jiyoung ),조수진 ( Cho Soojin ) 한국구조물진단유지관리공학회 2021 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.25 No.1
구조물 이미지 데이터를 딥러닝 학습하여 구조물 손상 자동 탐지 모델을 개발할 때, 이미지의 해상도를 높여 균열형상을 더욱 선명하게 하면 손상 탐지의 정확도를 향상할 수 있다. 본 연구에서는 이미지 초해상화(Image Super-Resolution) 기술을 균열 탐지 모델의 학습데이터에도 적용하여 (1) 학습데이터 초해상화 (2) 균열탐지모델 학습 (3) 테스트데이터 초해상화 (4) 균열 탐지 네 단계의 새로운 초해상화 기반 고정확도 균열 탐지 프로세스를 제안하였다. 본 프로세스를 이용하여 100장의 이미지로 균열 탐지 테스트를 수행한 결과, 균열 탐지 정확도가 매우 높아짐을 확인하였다.
딥러닝 모델을 이용한 영상 기반 항만시설물 손상 탐지 프레임워크
조수진 ( Cho Soojin ),배숙경 ( Bae Suk-kyoung ),민지영 ( Min Jiyoung ) 한국구조물진단유지관리공학회 2022 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.26 No.2
우리나라에는 60개의 항만에 총 1,086개의 항만시설이 존재하며, 그중 30년이 지난 노후시설은 총 284개(27.7%)나 된다. 현재 항만시설물은 육안 점검을 통해 유지관리가 수행되고 있으나, 항만시설물의 규모와 접근성의 어려움으로 인해 많은 노동력과 작업시간, 그리고 점검자의 위험 노출의 문제점을 안고 있다. 본 연구에서는 영상으로 항만시설물을 촬영하고, 촬영된 영상을 학습된 딥러닝 모델을 이용하여 검출하는 항만시설물 손상 탐지 프레임워크를 제안하였다. 실제 항만에서 촬영한 영상을 이용하여 제안한 프레임워크의 성능을 검증한 결과, 높은 정확도로 손상을 자동 탐지할 수 있음을 보였다.
딥러닝 모델을 이용한 영상 기반 항만시설물 손상 탐지 프레임워크
조수진 ( Cho Soojin ),배숙경 ( Bae Suk-kyoung ),민지영 ( Min Jiyoung ) 한국구조물진단유지관리공학회 2022 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.26 No.2
우리나라에는 60개의 항만에 총 1,086개의 항만시설이 존재하며, 그중 30년이 지난 노후시설은 총 284개(27.7%)나 된다. 현재 항만시설물은 육안 점검을 통해 유지관리가 수행되고 있으나, 항만시설물의 규모와 접근성의 어려움으로 인해 많은 노동력과 작업시간, 그리고 점검자의 위험 노출의 문제점을 안고 있다. 본 연구에서는 영상으로 항만시설물을 촬영하고, 촬영된 영상을 학습된 딥러닝 모델을 이용하여 검출하는 항만시설물 손상 탐지 프레임워크를 제안하였다. 실제 항만에서 촬영한 영상을 이용하여 제안한 프레임워크의 성능을 검증한 결과, 높은 정확도로 손상을 자동 탐지할 수 있음을 보였다.
객체탐지 및 초해상화 딥러닝을 활용한 콘크리트 교면포장 균열 탐지
정세란 ( Jeong Seran ),배숙경 ( Bae Suk-kyoung ),김병현 ( Kim Byunghyun ),조수진 ( Cho Soojin ) 한국구조물진단유지관리공학회 2021 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.25 No.2
현재까지 다양한 구조의 객체탐지 딥러닝과 이미지 초해상화 딥러닝 모델이 개발되었다. 본 연구에서는 대표적인 객체탐지 딥러닝(DeepLab v3+)과 초해상화 딥러닝(EDSR, SRGAN)을 접목한다. 교면포장의 균열 이미지를 각 딥러닝의 학습데이터로 하여 (1) 학습데이터 초해상화 (2) 객체 탐지 딥러닝 학습 (3) 테스트데이터 초해상화 (4) 객체(균열) 탐지 과정을 거쳤고, 이를 통해 균열을 정확하게 자동 탐지할 수 있는 시스템을 개발하였다.