• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2010.05a
• /
• pp.173-175
• /
• 2010

본 논문에서는 콘크리트 표면에 발생한 균열의 미세한 부분까지 효과적으로 검출 할 수 있는 방법을 제안한다. 제안된 균열 검출 방법은 콘크리트 영상의 RGB값을 퍼지 기법에 적용하여 후보 균열 영역을 검출한다. 검출된 후보 균열 영역에서 밀도와 명암도를 이용하여 효과적으로 세부적인 잡음까지 제거한 후, 최종으로 균열 영역을 검출한다. 실제 콘크리트 표면의 균열 영상을 대상으로 실험한 결과, 제안된 방법이 기존의 방법보다 균열의 검출 성능이 개선되었음을 확인할 수 있었다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.14 no.6
• /
• pp.1353-1358
• /
• 2010

In this paper, we propose a detection method that automatically detects concrete surface cracks using fuzzy method in the image of concrete surface cracks. First, the proposed method detecting concrete surface cracks detects the candidate crack areas by applying R, G, B channel values of the concrete crack image to fuzzy method. We finally detect cracks by the density information about the detected candidate areas after we remove the detailed noises on the image of the concrete surface cracks. The experiments using real concrete images showed that the proposed method is greatly improved of crack detection compared with the conventional methods.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.53-56
• /
• 2021

국내 산업화가 들어선 후 산업화 당시 지었던 낙후된 건물의 증가에 따라 구조물의 손상 조사 및 검사 방법의 수요가 늘어나고 있다. 일반적으로 구조물의 손상은 전문 검사원이 현장에서 직접 측량도구와 시각적인 방식으로 검사한다. 그러나 전문 검사원들이 직접 조사하는 수고에 비해 균열을 검사하는 방식 자체가 단순하고, 일반 사람이 검사하기에는 객관성이 떨어지는 한계가 있어 균열을 자동적으로 검출함으로써 객관성과 편의성을 보장할 기술이 필요하다. 본 연구에서는 이미지 기반으로 다양한 환경에서의 외벽 균열을 검출할 수 있는 딥러닝 모델 개발을 소개한다. 균열 검출을 위해 다양한 외벽 균열 관련 데이터셋을 확보 및 구축하고 각 데이터셋의 검출 정보를 보완할 반자동(semi-auto) 라벨링 작업을 수행하였다. 두 번째로 기존 높은 검출 성능을 보였던 모델들을 선정 및 비교하여 YOLO v5 모델을 최종적으로 선정하였고, 도메인이 각각 다른 데이터셋에 대한 교차 학습을 통해 각 데이터셋의 mAP의 편차가 31%에서 11%로 좁히는 작업을 수행하였다. 이를 통해 실제 상황에서의 균열 영상에서 균열을 검출할 수 있는 측량 시스템을 개발함으로써 실질적인 검사의 도구로 활용될 수 있길 기대한다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.05a
• /
• pp.379-385
• /
• 2008

콘크리트 건물의 보수 작업은 표면에 발생하는 균열을 정확하게 계측함으로써 비용적인 측면과 안전성이 결정된다. 하지만 표면에 발생한 균열은 대부분 점검자에 의해 수작업으로 계측되기 때문에 시간적 측면에서 비효율적이다. 따라서 본 논문에서는 콘크리트 슬래브 표면에 발생한 균열의 밝기와 밀도 그리고 면적 특징을 이용한 균열 검출 기법을 제안한다. 제안된 균열 검출 방법은 콘크리트 슬래브 표면의 명암도와 위치 정보를 ART2 기반 양자화에 적용한 후, 균열과 인접한 배경간의 명암도 차이를 이용하여 균열과 인접한 배경을 분리한다. 균열과 인접한 배경이 분리된 영상에서 형태학적인 정보를 이용하여 세부적인 잡음을 제거한 후에 최종적으로 균열 영역을 검출한다. 실제 콘크리트 균열 영상을 대상으로 실험한 결과, 다양한 콘크리트 균열 영상에서 기존의 방법보다 균열 검출 성능이 개선되었음을 확인하였다.

• Transactions of the Korean Society of Mechanical Engineers
• /
• v.14 no.3
• /
• pp.603-609
• /
• 1990

Detection and non-propagating cracks of small fatigue crack for smooth and pre-cracked specimens were examined in a carbon steel. The fretting oxide induced crack closure triggered by the roughness induced crack closure has an important role in determing the length. The fatigue limit for the with no cracks or with a short pre-crack is lower at R=-1 than that at R=0. A non-propagating crack are quite different between points near the specimen's surface and those of deepest penetration.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2009.10a
• /
• pp.268-272
• /
• 2009

본 논문에서는 형태가 왜곡되지 않은 균열뿐만 아니라, 잡음과 유사한 미세 균열까지 효과적으로 추출하고 분석할 수 있는 방법을 제안한다. 본 논문에서 제안하는 균열 검출 방법은 콘크리트 슬래브 표면의 R, G, B 채널 값을 퍼지 기법에 적용하여 후보 균열 영역을 추출한 후, 추출한 후보 균열 영역에 SOM 기법을 적용하여 1차적으로 잡음 영역을 제거한다. 잡음이 제거된 후보 균열 영역에서 밀도 정보를 이용하여 2차적으로 세부적인 잡음 영역을 제거하여 최종적으로 균열 영역을 검출한다. 실제 콘크리트 균열 영상을 대상으로 실험한 결과, 다양한 콘크리트 균열 영상에서 기존의 균열 추출 방법보다 균열 검출 성능이 개선되었음을 확인하였다.

• Journal of the Korean Recycled Construction Resources Institute
• /
• v.9 no.3
• /
• pp.359-366
• /
• 2021

In this study, It was developed an monitoring cracks system based on image processing techniques in order to measure cracks, which are major damages in concrete, and to convert them into a database. The crack monitoring system consists of crack image captured equipment and a crack detection and analysis software. This system provides objective and quantitative data by replacing the conventional visual inspection. The crack detection algorithm w as verified through an indoor test using virtual cracks, and the amount of crack detection and crack width change was monitored by applying it to the self-healing repair mortar construction site. In the case of the crack width detected through image analysis, the maximum difference from the actual crack width was 0.0334mm. It was possible to detect microcracks of 0.1mm or less, and the effect of crack healing over time of the self-healing repair mortar was confirmed trough the field test.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.45-48
• /
• 2022

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.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2008.10a
• /
• 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.

• Journal of the Korea institute for structural maintenance and inspection
• /
• v.23 no.6
• /
• pp.38-44
• /
• 2019

A Convolution Neural Network(CNN) model was utilized to detect surface cracks in asphalt concrete pavements. The CNN used for this study consists of five layers with 3×3 convolution filter and 2×2 pooling kernel. Pavement surface crack images collected by automated road surveying equipment was used for the training and testing of the CNN. The performance of the CNN was evaluated using the accuracy, precision, recall, missing rate, and over rate of the surface crack detection. The CNN trained with the largest amount of data shows more than 96.6% of the accuracy, precision, and recall as well as less than 3.4% of the missing rate and the over rate.