A Study on the Development of Pavement Crack Recognition Algorithm Using Artificial Neural Network

신경망 학습 기법을 이용한 도로면 크랙 인식 알고리즘 개발에 관한 연구

Crack sealing automation machines' have been continually developed since the early 1990's because of the effectiveness of crack sealing that would be able to improve safety, quality and productivity. It has been considered challenging problem to detect crack network in pavement which includes noise (oil marks, skid marks, previously sealed cracks and inherent noise). It is required to develop crack network mapping and modeling algorithm in order to accurately inject sealant along to the middle of cut crack network. The primary objective of this study is to propose a crack network mapping and modeling algorithm using neural network for improving the accuracy of the algorithm used in the APCS. It is anticipated that the effective use of the proposed algorithms would be able to reduce error rate in image processing for detecting, mapping and modeling crack network as well as improving quality and productivity compared to existing vision algorithms.

국내외에서는 크랙실링 공법의 이점 및 도로면 유지보수 공사의 위험 요소를 인식하여 90년대 초반부터 크랙실링 자동화 장비 개발을 위한 연구를 진행하여 왔다. 기존 문헌 고찰과 도로면 크랙실링 자동화 장비(Automated Pavement Crack Sealer; APCS)의 실험실 및 현장 실험 결과, 도로면에 존재하는 크랙 네트워크를 자동으로 탐지하고 모델링하는 과정의 속도와 정확성을 향상시키는 것은 개발된 크랙실링 자동화 장비의 실용화를 위해 매우 중요한 요인으로 인식되었다 그러나, CCD 카메라를 통해 습득된 도로면 영상에서 크랙 네트워크를 완전 자동으로 인식하는 기술은 일반적인 영상 인식 분야에서 보다 외부 환경적인 요인으로 인해 낮은 인식률을 가지고 있다 본 연구를 통해 기존에 개발된 APCS 머신비전 알고리즘의 경우 도로면 영상의 환경 요인에 의해 발생된 문제점들을 많이 해결하였으나 실용화 단계에서 요구되는 크랙 인식률에는 도달하지 못하였다. 따라서, 본 연구의 목적은 기존 APCS 머신 비전 알고리즘의 완전 자동화 방식 크랙 탐지 및 모델링 알고리즘의 문제점을 분석하고 신경망 학습 기법을 이용한 크랙 인식 알고리즘을 개발하는 것이다.