http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
드론 및 등반 로봇을 활용한 교량의 딥러닝 기반 균열 평가
안윤규(Yun-Kyu An),배현진(Hyun Jin Bae),장근영(Keun Young Jang) 한국비파괴검사학회 2021 한국비파괴검사학회지 Vol.41 No.6
본 연구는 드론 및 등반 로봇을 활용하여 취득한 사회기반시설물 영상에 대해 딥러닝 기반으로 균열을 평가하는 기법을 제안한다. 디지털 카메라를 부착한 드론과 등반 로봇 시스템을 구축 및 활용하여 교량의 고교각에 발생한 균열을 계측하기 위한 각 시스템의 장단점을 비교 분석하였으며, 분석한 장단점을 기반으로 각 시스템에 적합한 딥러닝 네트워크를 개발하여 균열을 자동으로 검출 및 평가하였다. 본 제안 기술은 강원도 춘천시에 있는 등선교와 강릉시에 있는 장덕교에서 각각 드론과 등반 로봇을 활용하여 실험적으로 검증하였다. This paper presents a deep learning-based crack evaluation of civil infrastructures using drone and robot. Digital camera-embedded drone and climbing robot systems were developed for the automated crack evaluation of high-rise bridge piers. The optimal deep learning networks for the drone and climbing robot were proposed by analyzing the advantages and disadvantages of each system. The proposed techniques were experimentally validated using the drone and climbing robot systems at the Deung-Seon bridge in Chuncheon city and the Jang-Duck bridge in Gangneung city, South Korea.
디지털 이미지 상관 분석을 위한 서브셋 크기의 자동화 산출
강명수 ( Kang Myung Soo ),안윤규 ( An Yun-kyu ) 한국구조물진단유지관리공학회 2019 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.23 No.1
This paper presents an automated determination technique of optimal subset sizes for digital image correlation (DIC) analysis of speckle patterned images. The smaller subset size would typically have the higher DIC accuracy with respect to local minute deformation, but insufficient speckle pattern information within the excessively small often augment DIC errors due to lack of correlation features. Therefore, optimal subset size determination is crucial for the precise DIC analysis. To automate the optimal subset size determination process, first, the reference and test speckle pattern images are obtained from the target structure surface with a certain time interval. Then, an initial seed point which will be used for the subset center point is assigned on the reference speckle pattern image. Subsequently, normalized cross correlation (NCC) between the reference and test images is performed by increasing subset sizes from the seed point. Next, the matching distance between the two images is calculated using the maximum correlation coefficient. As the subset size increases, the matching distance between the two subsets converges a certain value. It physically means that the sufficient correlation features will be included in the subset. Finally, the optimal subset size can be determined by selecting the minimum subset size where the matching distance value starts to be converged. The proposed technique is experimentally validated using an aluminium plate with sprayed speckle pattern.
교량 IoT 센서 데이터의 즉시적 분석을 위한 인공지능 네트워크 개발
강만성 ( Kang Man-sung ),안윤규 ( An Yun-kyu ) 한국구조물진단유지관리공학회 2023 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.27 No.1
현재 특수 교량의 효율적인 유지관리를 위해 다양한 IoT 센서를 부착하여 데이터를 계측함으로써 유지관리에 적극 활용하려는 시도들이 수행되고 있다. 그러나 계측된 데이터를 해석하는데 기술적 어려움을 겪고 있으며, 특히 관리기준치가 초과된 신호에 한하여 후속분석 및 조치를 취하고 있는 실정이다. 이와 같은 한계점을 극복하기 위하여, 본 연구에서는 교량의 누적된 장기계측 IoT 센서 데이터를 학습하여, 즉시적으로 데이터 분석을 통한 이벤트 분류가 가능한 인공지능 네트워크를 개발하고 검증하였다.
안전점검 우선순위 도출을 위한 XGBoost 기반의 미점검 소규모 취약시설 안전등급 예측연구
조연상 ( Cho Youn-sang ),안윤규 ( An Yun-kyu ) 한국구조물진단유지관리공학회 2023 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.27 No.1
본 연구는 전국에 분포하는 소규모 취약시설의 안전점검 우선순위 도출을 위해 XGBoost 기반의 안전등급을 예측하는 기술을 제안한다. 다양한 소규모 취약시설 중 점검 시설의 시설물 제원 및 환경요인 관련 데이터 29,817건을 활용하여 통계분를 통해 XGBoost의 학습 데이터를 구축하였다. 학습 모델의 검증을 위해 학습 데이터로 활용되지 않은 유효성 검증을 진행한 데이터의 약 30%인 8,945건에 대해 세 차례 무작위 추출을 통해 성능 검증을 실시하였으며, 약 93.3%의 정확도로 시설물의 안전등급을 예측한 것으로 나타났다.