• 한국컴퓨터정보학회논문지
• /
• 제12권2호
• /
• pp.77-82
• /
• 2007

본 논문에서는 콘크리트 표면 균열의 방향성을 효율적으로 인식하기 위하여 영상처리 기법을 적용하여 균열을 자동으로 검출하고 개선된 Max-Min 신경망을 제안하여 균열의 방향성을 자동으로 인식하는 기법을 제안한다. 균열 영상에서 빛의 영향을 효율적으로 보정하기 위해 모폴로지 기법인 채움 연산을 적용하고 Sobel 마스크를 적용하여 균열의 에지를 추출한 후, 반복 이진화를 적용하여 균열 영상을 이진화한다. 이진화된 균열 영상에서 2차례에 걸쳐 잡음 제거 연산을 수행한 후, 균열을 추출한다. 본 논문에서는 Max-Min 신경망을 개선하여 추출된 균열의 방향성을 자동으로 인식한다. 개선된 Max-Min 신경망은 delta-bar-delta 알고리즘을 적용하여 학습률을 자동으로 조정한다. 실제 콘크리트 표면 균열 영상을 대상으로 실험한 결과, 개선된 Max-Min 신경망이 균열의 방향성 인식에 효율적임을 확인하였다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2011년도 정기 학술대회
• /
• pp.349-352
• /
• 2011

본 논문에서는 변동하중 하에서의 균열 성장 예측을 위하여 손상 모델과 주어진 데이터에 기반하여 균열 성장 모델의 변수를 확률분포로 추정한다. 이를 위해 베이지안 접근법을 활용하여 불확실 변수 결합 확률 분포식을 구축하고, Markov Chain Monte Carlo(MCMC)을 통해서 균열 성장 모델의 변수 샘플을 추출하였다. 여기서 추출된 샘플들을 균열 성장 모델에 적용, 균열 성장의 결과를 확률적인 분포로 예측하였다. 위와 같은 추정은 재료의 물성과 같은 변동성이 있는 변수를 모델에 적용하여, 결과값을 확률적인 분포로 예측하였다. 이것은 기존의 안전계수 개념보다 더욱 적절한 안전 기준을 제시 할 수 있다.

• 터널과지하공간
• /
• 제29권3호
• /
• pp.184-196
• /
• 2019

본 연구에서는 화강암 시편에서 수압 파쇄법에 의해 생성된 미세균열의 3차원 형상을 X-ray CT 영상과 딥러닝을 이용하여 추출하였다. 실험으로 생성된 미세균열은 X-ray CT 영상 상에서 일반적인 영상처리방법으로는 추출하기 매우 어렵고 육안으로만 관찰이 가능한 형태를 지닌다. 하지만 본 연구에서 제안한 합성곱 신경망(Convolutional neural network) 기반 인코더-디코더(Encoder-Decoder) 구조의 딥러닝 모델을 통해 미세균열을 정량적으로 추출할 수 있었다. 특히 픽셀 단위의 미세균열 추출을 위해 인코딩 과정에서 소실되는 정보를 디코딩 과정으로 직접 전달하는 디코더 모델을 제안하였다. 또한, 딥러닝 기반 신경망 학습에 필요한 데이터의 수를 증가시키기 위해 이미지의 분할(Division), 회전(Rotation), 그리고 반전(Flipping) 등으로 데이터를 생성하는 영상 증대 방법을 적용하였으며 이때 최적의 조합을 확인하였다. 최적의 영상 학습 데이터 증대 방법을 적용하였을 때 검증 데이터뿐만 아니라 테스트 데이터에서의 성능 향상을 확인하였다. 학습 데이터의 원본 개수가 딥러닝 기반 신경망의 균열 추출 성능에 미치는 영향을 확인하고 딥러닝 기술을 사용하여 성공적으로 미세균열을 추출하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.667-669
• /
• 2021

본 논문에서는 벡터 기반 데이터 증강 기법(Data augmentation)을 제안하여 학습 데이터를 구축한 뒤, 이를 합성곱 신경망(Convolutional Neural Networks, CNN)으로 실제 균열과 가까운 패턴을 표현할 수 있는 프레임워크를 제안한다. 건축물의 균열은 인명 피해를 가져오는 건물 붕괴와 낙하 사고를 비롯한 큰 사고의 원인이다. 이를 인공지능으로 해결하기 위해서는 대량의 데이터 확보가 필수적이다. 하지만, 실제 균열 이미지는 복잡한 패턴을 가지고 있을 뿐만 아니라, 위험한 상황에 노출되기 때문에 대량의 데이터를 확보하기 어렵다. 이러한 데이터베이스 구축의 문제점은 인위적으로 특정 부분에 변형을 주어 데이터양을 늘리는 탄성왜곡(Elastic distortion) 기법으로 해결할 수 있지만, 본 논문에서는 이보다 향상된 균열 패턴 결과를 CNN을 활용하여 보여준다. 탄성왜곡 기법보다 CNN을 이용했을 때, 실제 균열 패턴과 유사하게 추출된 결과를 얻을 수 있었고, 일반적으로 사용되는 픽셀 기반 데이터가 아닌 벡터 기반으로 데이터 증강을 설계함으로써 균열의 변화량 측면에서 우수함을 보였다. 본 논문에서는 적은 개수의 균열 데이터를 입력으로 사용했음에도 불구하고 균열의 방향 및 패턴을 다양하게 생성하여 쉽게 균열 데이터베이스를 구축할 수 있었다. 이는 장기적으로 구조물의 안정성 평가에 이바지하여 안전사고에 대한 불안감에서 벗어나 더욱 안전하고 쾌적한 주거 환경을 조성할 것으로 기대된다.

• 한국지반환경공학회 논문집
• /
• 제10권6호
• /
• pp.125-133
• /
• 2009

유체를 주입하여 암반을 파쇄하는 기술은 지열이나 석유 및 가스 등을 추출하는데 널리 사용되고 있는 방법이다. 본 기술을 적용 시 단일균열이 형성되면 이러한 에너지를 추출하는데 가장 이상적이다. 그러나 이러한 단일균열의 형성은 매우 드문 현상이며 분할된 형태의 균열생성이 흔한 현상이다. 이에 균열간 기계적 상호작용의 영향으로 설계변수에서도 단일균열을 가정하고 적용되었던 값과 차이를 보일 것으로 예상된다. 본 연구에서는 균열이 분할 생성되었을 경우 기계적인 상호작용을 고려할 수 있는 수치해석기법을 기존의 개발된 모델과 연계하여 설계변수인 길이, 균열폭, 그리고 압력을 계산하였다. 그 결과 균열의 형성은 이렇게 유체를 주입하여 암반을 파쇄 시 사용되는 설계변수에 상당한 영향을 끼치는 것으로 나타났다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 추계종합학술대회 B
• /
• pp.399-405
• /
• 2008

콘크리트 슬래브 표면의 영상처리 목적은 구조물의 균열발생을 최소화하고 발생한 균열에 대해서 지속적인 기록 관리로 균열의 진행 상태를 분석하여 보수시기 및 보수공법 적용의 합리적 운영체계를 수립하고자 하는 것이다. 일반적으로 콘크리트에서의 균열은 육안으로 분간할 수 있을 정도로 큰 반면 프리스트레스트 콘크리트의 균열은 기기를 사용하여야 측정, 분별할 수 있다. 본 논문에서는 균열의 명함도와 인접한 표면의 명함도 차이를 이용하여 균열과 잡음을 분리한다. 그리고 균열과 잡음 영역에서 형태학적인 정보를 이용하여 잡음 영역만을 제거한다. 잡음 영역이 제거된 균열 영역에서도 미세한 잡음이 존재하므로 균열 영역을 평활화를 한 후, 미세 잡음을 하나의 객체로 인식하여 제거하고 끊어진 영역의 균열을 미디언 필터를 이용하여 균열을 연결한다. 그리고 제안된 방법으로 추출된 균열을 원본 영상에 적용하여 최종적으로 균열만을 검출한다. 검출된 균열에서 균열의 특정부분을 선택하고 선택되어진 균열 영상을 대상으로 균열의 길이, 방향, 폭을 순차적으로 분석한다. 실제 균열 영상을 대상으로 실험한 결과, 균열이 비교적 정확히 검출되었고 균열 검사기가 한번에 측정할 때에 비해 비교적 빠르고 적은 노력으로 측정할 수 있는 것을 확인하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제28권2호
• /
• pp.1-9
• /
• 2022

본 논문에서는 균열을 감지 할 때 필요한 데이터를 생성할 수 있는 벡터 기반 증강 기법과 이를 학습할 수 있는 합성곱 인공신경망(Convolution Neural Networks, ConvNet) 기법을 제안한다. 균열을 빠르고 정확하게 감지하는 것은 건물 붕괴와 낙하 사고를 사전에 방지할 수 있는 중요한 기술이다. 이 문제를 인공지능으로 해결하기 위해서는 대량의 데이터 확보가 필수적이지만, 실제 균열 이미지를 얻기 위한 상황은 대부분 위험하기 때문에 대량의 균열 데이터를 확보하기는 어렵다. 이런 데이터베이스 구축의 문제점은 인위적인 특정 부분에 변형을 주어 데이터의 양을 늘리는 탄성왜곡(Elastic distortion)으로 완화시킬 수 있지만, 본 논문에서는 이보다 향상된 균열 패턴 결과를 ConvNet을 활용하여 모델링한다. 탄성왜곡보다 우리의 방법이 실제 균열 패턴과 유사하게 추출된 결과를 얻을 수 있었고, 일반적인 데이터 증강에서 사용되는 픽셀 단위가 아닌, 벡터 기반으로 균열 데이터 증강을 설계함으로써 균열의 변화량 측면에서 우수한 결과를 얻을 수 있다. 결과적으로 본 논문에서는 적은 개수의 균열 데이터를 입력으로 사용했음에도 불구하고 균열의 방향 및 패턴을 다양하게 생성하여 효율적으로 균열 데이터베이스를 구축할 수 있다.

• 한국인터넷방송통신학회논문지
• /
• 제10권5호
• /
• pp.105-111
• /
• 2010

본 논문에서는 결함추출 알고리즘을 퍼지이론을 적용하여 유연성을 제시하고 실험을 통하여 타당성을 확인 하였다. 균열의 검출츨 위하여 퍼지형태학을 이용한 기본 연산자를 정의하였다. 이 연산자를 기초로 하여 퍼지집합에 대해 ${\lambda}$-퍼지척도를 이용하여 무게중심을 구하여 결함을 추출하였다.. 결함추출 알고리즘의 경우 양호한 결과를 낼 수 있었다. 하지만 균열이 매우 미세한 경우 영상 획득부분에 해당하는 조명장치를 얼마나 잘 설계하느냐가 중요하였다. 소프트웨어적으로는 룩업테이블을 사용하여 메모리의 사용을 최소화 시켜 좀 더 빠른 검사속도를 꾀하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.65-68
• /
• 2021

본 연구에서는 Dilated U-Net 기반의 이미지 복원기법을 통해 콘크리트 균열 추출 성능 개선 방안을 제안한다. 콘크리트 균열은 구조물의 미관상의 문제뿐 아니라 추후 큰 안전사고의 원인이 될 수 있어 초기대응이 중요하다. 현재는 점검자가 직접 육안으로 검사하는 외관 검사법이 주로 사용되고 있지만, 이는 정확성 및 비용, 시간, 그리고 안전성 면에서 한계를 갖고 있다. 이에 콘크리트 구조물 표면에 대해 획득한 영상 처리 기법을 사용한 검사 방식 도입의 관심이 늘어나고 있다. 또한, 딥러닝 기술의 발달로 딥러닝을 적용한 영상처리의 연구 역시 활발하게 진행되고 있다. 본 연구는 콘크리트 균열 추개선출 성능 개선을 위해 Dilated U-Net 기반의 이미지 복원기법을 적용하는 방안을 제안하였고 성능 검증 결과, 기존 U-Net 기반의 정확도가 98.78%, 조화평균 82.67%였던 것에 비해 정확도 99.199%, 조화평균 88.722%로 성능이 되었음을 확인하였다.

• 한국건축시공학회지
• /
• 제23권2호
• /
• pp.197-207
• /
• 2023

콘크리트는 압축력에 잘 저항하고 내구성이 우수하여 널리 사용되는 재료이다. 하지만 구조물은 시공 단계에서 주변 환경, 사용되는 재료의 특성에 따라 완공된 후 표면의 균열, 구조물의 침하 등 다양한 하자가 발생하거나 시간이 지남에 따라 콘크리트 구조물 표면에 결함이 발생한다. 그대로 방치하면 구조물에 심각한 손상을 초래하기 때문에 안전 점검을 통해 검사해야 한다. 하지만 전문 검사원들이 직접 조사하기에 비용이 높고 육안으로 판단하는 외관 검사법을 사용한다. 고층 건물일수록 상세한 검사가 힘들다. 본 연구는 노후화로 인해 콘크리트 표면에 발생하는 결함 중 균열을 탐지하는 딥러닝 기반 시맨틱 세그먼테이션 모형과 해당 모형의 특징 추출과 일반화 성능을 높이기 위한 이미지 어그멘테이션 기법을 개발하였다. 이를 위해 공개 데이터셋과 자체 데이터셋을 결합하여 시맨틱 세그먼테이션용 데이터셋을 구축하고 대표적인 딥러닝 기반 시맨틱 세그먼테이션 모형들을 비교실험하였다. 콘크리트 내벽을 중점으로 학습한 모형의 균열 추출 성능은 81.4%이며, 개발한 이미지 어그멘테이션을 적용한 결과 3%의 성능향상을 확인하였다. 향후 고층 건물과 같이 접근성이 어려운 지점을 드론을 통해 콘크리트 외벽에서 균열을 검출할 수 있는 시스템을 개발함으로써 실질적으로 활용할 수 있기를 기대한다.