Acknowledgement
본 논문은 행정안전부 지역맞춤형 재난안전 연구개발 사업의 지원을 받아 수행되었으며(20015427), 2022년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업임(No. 2022R1A6A1A03052954)
Proceedings of the Korean Society of Computer Information Conference (한국컴퓨터정보학회:학술대회논문집)
- 2022.07a
- /
- Pages.45-48
- /
- 2022
POC : Establishing Dataset for Artificial Intelligence-based Crack Detection
POC : 인공지능 기반 균열 탐지를 위한 데이터셋 구축
- Kim, Ji-Ho (Postech Institute of Artificial Intelligence, Pohang University of Science and Technology) ;
- Kim, Gyeong-Yeong (Postech Institute of Artificial Intelligence, Pohang University of Science and Technology) ;
- Kim, Dong-Ju (Postech Institute of Artificial Intelligence, Pohang University of Science and Technology)
- Published : 2022.07.13
Abstract
건축물 안전 점검은 대부분 전문가의 현장 방문을 통한 육안검사다. 그중 균열 검사는 건물 위험도를 나타내는 중요한 지표로써 발생 위치, 진행성, 크기를 조사하는데, 최근 균열 조사 방식에 대해 객관성과 체계성을 보완할 딥러닝 개발이 활발하다. 그러나 균열 이미지는 외부 현장에 모양, 규모도 많은 종류라 도메인이 다양해야 하는데 대부분 제한된 환경과 실제적인 균열 검사와는 무관한 데이터로 구성되어 실효적이지 않다. 본 연구에서는 균열 조사에 적합하고 Wild 환경에 적용 가능한 POC 데이터셋을 소개한다. 기존 균열 공인 데이터셋 4종의 특징과 한계점을 분석을 토대로 고해상도 이미지로써 균열의 세부 특징을 담았고 균열 유사 환경과 조건들을 추가 촬영해 균열 검출에 강인하게 학습되도록 지향하였다. 정제 및 라벨링 작업을 거친 POC 데이터 셋은 균열 검출모델인 YOLO-v5으로 성능을 실험하였고, mAP(mean Average Precision) 75.5%로 높은 검출률을 보였다. POC 데이터셋으로 더욱 도메인에 적응적(Domain-adapted)인 인공지능 모델을 개발하여 건물, 댐, 교량 등 각종 대형 건축물에 대한 안전하고 효과적인 안전 관리 도구로써 활용할 것을 기대한다.