Optimization of image augmentation scale considering reliability and computational efficiency when classifying concrete structure cracks in CNN

CNN 기반 콘크리트 구조물 균열 분류시 신뢰도 및 계산 효율을 고려한 이미지 증강 규모 최적화 연구

Crack inspection of aged structures is mostly conducted by inspectors using surveying tools on site and visually inspecting them. This method greatly depends on professional worker, and consumes a lot of time and money. An artificial intelligence image classification algorithm is used to make reliable and objective judgments. Since 2018, image augmentation techniques have been used in the image pre-processing stage as they lead to high performance improvement. In this study, an analysis algorithm for cracks in concrete structures was developed using image augmentation techniques, in which the accuracy and speed according to the augmentation ratio were compared and measured for optimization. As a result, it was found that 8 times of image augmentation was appropriate when the accuracy was improved and economic feasibility was taken into account.

노후화된 구조물의 균열 검사는 검사원이 직접 현장에서 측량 도구를 사용하여 육안으로 검사를 하는 방식이 대부분이다. 이러한 방식은 전문 작업 인력의 주관성에 크게 의존하게 되고, 많은 시간과 비용이 소모된다. 일관성과 신뢰성 있는 판단을 하기 위해 인공지능 이미지 분류 알고리즘을 활용하고 있다. 2018년부터는 이미지 전처리 단계에서 이미지 증강 기법이 높은 성능 향상을 이끌고 있어 사용되고 있는 추세이다. 본 연구에서는 이미지 증강 기법을 활용하여 콘크리트 구조물 균열에 관한 분석 알고리즘을 개발하고 증강 비율에 따른 정확도와 속도를 비교 측정하여 최적화를 하였다. 그 결과 정확성을 향상시키고 경제성을 감안했을 경우 8배에서 적정한 것으로 나타났다.