• 한국전자거래학회지
• /
• 제26권1호
• /
• pp.93-106
• /
• 2021

최근 도로균열 탐지에 대한 많은 연구에서 딥러닝 기반의 접근법을 활용하면서 과거 알고리즘 기반의 접근법을 활용한 연구들보다 높은 성능과 성과를 보이고 있다. 그러나 딥러닝 기반의 많은 연구가 여전히 균열의 유형을 분류하는 것에 집중되어 있다. 균열 유형의 분류는 현재 수작업에 의존하고 있는 균열탐지 프로세스를 획기적으로 개선해 줄 수 있다는 점에서 상당한 기대를 받고 있다. 그러나 실제 도로의 유지보수 작업에 있어서는 균열의 유형뿐만 아니라 균열의 심각도에 관한 판단이 필수적이지만, 아직까지 도로균열 탐지와 관련된 연구들이 균열의 심각도에 대한 자동화된 산출까지 진전되지 못하고 있다. 균열의 심각도를 산출하기 위해서는 균열의 유형과 이미지 속 균열의 부위가 함께 파악되어야 한다. 본 연구에서는 균열 유형과 균열 부위의 동시적 탐지를 효과적으로 자동화하기 위해 딥러닝 기반의 객체탐지 모델인 Mobilenet-SSD를 활용하는 방법을 다루고 있다. 균열탐지의 정확도를 개선하기 위해 U-Net을 활용해 입력 이미지를 자동 분할하고, 이를 객체탐지 기법과 결합하기 위한 여러 실험을 진행하여 그 결과를 정리하였다. 결과적으로 U-Net을 활용한 이미지 의 자동 마스킹을 통해 객체탐지의 성능을 mAP 값이 0.9315가 되도록 향상시킬 수 있었다. 본 연구의 결과를 참고하여 도로포장 관리시스템의 구현에 균열탐지 기능의 자동화가 더욱 진전될 수 있다고 기대된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.649-652
• /
• 2021

본 논문에서는 노후화된 목조·석조 건축물의 균열을 탐지하는 기법을 소개한다. 본 기법의 목적은 석조·목조 문화재의 시간의 흐름에 따른 관리 소홀, 균열(벌레, 날씨, 기온 등), 배부름 현상에 의한 문화재의 손상을 사전에 방지하기 위함이다. 기존에 존재하는 목조·석조 건축물의 균열, 노후, 배부름 등 다양한 결함과 변형의 탐지 방법은 접촉식 센서를 이용하여 탐지를 해왔지만, 문화재 자체의 미관을 해칠 뿐 아니라 문화재를 추가로 훼손할 가능성이 있다는 문제점이 제시되었다. 이 문제를 해결하기 위해 문화재 비 접촉형 탐지 기법을 사용한다. CCTV 및 DSLR과 같은 관측장비로 촬영한 영상정보를 기반으로 문화재의 결함과 변형을 AI 영상분석 기반 방법으로 판단하는 문제를 제안한다.

• 한국원자력학회:학술대회논문집
• /
• 한국원자력학회 1997년도 춘계학술발표회논문집(2)
• /
• pp.104-109
• /
• 1997

인코넬600 합금을 열처리상태 및 변형속도등이 서로 다른 응력부식균열(SCC) 발생 조건하에서 정변형속도 시험법으로 인장시켜 그때 발생되는 AE신호와 부식전류를 측정하여 균열거동과 비교하므로서 SCC 발생 및 진전을 AE로서 적절히 탐지할 수 있는가를 연구하였다. 그 결과 SCC. 연성파괴 및 기계적인 변형에서 발생되는 AE는 amplitude 준위에 의해 식별가능하며, 이것은 AE amplitude 준위가 AE발생원을 식별할 수 있는 중요한 변수가 될 수 있음을 의미한다. 또한 AE 발생시점과 전기 화학적 전류변동이 들 일치하는 것으로 나타나 입계응력부식 균열 진전이 AE에 의해 적절히 탐지될 수 있음을 알 수 있다.

• 한국컴퓨터정보학회논문지
• /
• 제25권10호
• /
• pp.35-42
• /
• 2020

본 연구에서는 비지도 이상 탐지 방법을 변형한 U-Net 기반의 이미지 복원 기법을 통해 한정적인 데이터를 활용한 균열 탐지 방안을 제안한다. 콘크리트 균열은 다양한 원인으로 인해 발생하며, 장기적으로 구조물의 심각한 손상을 초래할 수 있는 요소이다. 일반적으로 균열 조사는 검사원의 육안으로 판단하는 외관 검사법을 사용하는데, 이는 판단에 객관성이 떨어지며 인적 오류 발생 가능성이 크다. 따라서 객관적이고 정확한 이미지 분석 처리를 통한 방법이 요구된다. 최근에는 균열을 신속하고 정밀하게 탐지할 수 있도록 딥러닝을 활용한 기술들이 연구되고 있다. 하지만 일반적인 균열자료에 비해 점검 대상물에 대한 데이터는 한정적이므로 이를 활용한 기존 균열 탐지 모델의 성능은 제한적인 경우가 많다. 따라서 본 연구에서는 비지도 이상 탐지 방법을 사용해 점검 대상물에 대한 데이터를 증강하여 해당 데이터를 사용하여 학습한 결과, 정확도 98.78%, 조화평균(F1_Score) 82.67%의 성능을 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.996-999
• /
• 2020

노후 선박의 증가로 선체 검사의 필요성이 높아지고 있다. 하지만 선체 벽면의 균열을 찾고 보수하는 작업은 위험성이 높고 효율성이 낮다. 이에 본 논문에서는 선체의 벽면에 진공 흡착하여 장애물에 부딪히지 않고 선체 벽면을 이동하면서 균열을 탐지하는 로봇을 개발하였다. 선체 균열탐지 로봇은 선체뿐만 아니라 사람이 직접 균열을 찾기 힘들거나 위험한 곳에 유용할 것이며 균열로 인한 선박 사고 발생을 줄여줄 것으로 기대된다.

• 한국소음진동공학회:학술대회논문집
• /
• 한국소음진동공학회 1994년도 추계학술대회논문집; 한국종합전시장, 18 Nov. 1994
• /
• pp.187-191
• /
• 1994

기계구조물내의 균열은 고하중상태에서 갑작스러운 파괴의 주요 원인의 하나로서 이러한 균열의 조기탐지를 위해 기존의 비파괴검사 방법 이외에, 최근 진동측정 및 진동분석을 이용하는 방법이 경제성 및 그 효용성으로 인하여 깊게 연구되고 있다. 이러한 진동특성의 변화를 이용하여 균열을 탐지하는 방법이 많은 학자들에 의해 연구되어졌으며, 현재까지의 연구결과중 균열의 크기 및 위치를 동시에 탐지할 수 있는 방법중에서 비교적 단순, 정확하다고 판단되는 방법으로는 임의의 두 지점에서의 진폭측정을 이용한 Rizos(1)의 방법과 고유진동수 및 모우드형 측정을 이용한 Kam & Lee(2)의 방법이 있으나 이들 방법은 두가지 이상의 진동특성치를 요구하고 있다. 본 연구의 목적은 진동특성치중 고유진동수만을 이용하여 단순부재에서 균열의 크기 및 위치를 수치적으로 예측할 수 있는 새로운 해석기법을 제시하고, 기존 방법 사용시의 결과와 비교 검토하여 그 유용성을 판단하는데 있다.

• 한국지반환경공학회 논문집
• /
• 제22권10호
• /
• pp.13-19
• /
• 2021

아스팔트 포장의 균열은 날씨의 변화나 차량에 의한 충격으로 발생하며, 균열을 방치할 경우 포장 수명이 단축되고 각종 사고를 불러 일으킬 수 있다. 따라서 아스팔트 도로 포장의 균열을 빠르게 감지하여 보수조치를 취하기 위하여 이미지를 통해 균열을 자동으로 탐지하기 위한 연구들이 지속되어 왔다. 특히 최근들어 Convolutional Neural Network를 사용하여 아스팔트 도로 포장의 균열을 탐지하려는 모델들이 많이 연구되고 있으나, 고성능의 컴퓨팅 파워를 요구하기 때문에 실제 활용에는 한계가 있다. 이에 본 논문에서는 모바일 기기에 적용 가능한 스몰 딥러닝 모델을 적용하여 아스팔트 도로 포장의 균열을 탐지하는 모델의 개발을 위한 프레임워크를 제안한다. 사례연구를 통해 제안한 스몰 딥러닝 모델은 일반적인 딥러닝 모델들과 비교 연구되었으며, 상대적으로 적은 파라미터를 가지는 모델임에도 일반적인 딥러닝 모델들과 유사한 성능을 보였다. 개발된 모델은 모바일 기기나 IoT에 임베디드 되어 사용될 수 있을 것으로 기대된다.

• 비파괴검사학회지
• /
• 제20권1호
• /
• pp.54-61
• /
• 2000

피로손상이 발생하는 초기단계는 결정립계나 석출물, 그리고 잔류응력과 같은 전위(dislocation)의 이동성에 영향을 미치는 변수에 의해 지배되는 것으로 널리 알려져 있으나, 물리적으로 손상의 발생을 탐지할 수 있는 단계는 미소균열의 발생단계라 할 수 있다. 미소균열은 microcrack으로 부르는 것이 일반적이지만 피로손상의 문제에서만은 short(or small) fatigue crack으로 통용되고 있다. 따라서 미소균열 보다는 소균열 또는 피로 단균열이 더 알맞은 용어일지도 모르는데, 그 크기가 수 ${\mu}m$에서 수 mm의 범위에 걸친 균열의 총칭이다. 이러한 크기라면 대략 통상적인 비파괴시험 방법으로 탐지할 수 있는 범위의 한계 부근에 있으므로 피로손상의 탐지와 관련된 비파괴평가의 역할과 관련하여 새삼스럽게 한번 짚고 넘어가는 것도 의미 있는 일이라 생각된다. 피로와 관련하여 보고된 비파괴평가에 관한 연구는 감히 그 숫자를 헤아릴 수 없이 많으나 그 대부분은 피로균열의 성장 및 전파에 관한 것으로, 피로 단균열과 관련한 연구는 상대적으로 적으며 특히 국내에서는 거의 찾아볼 수 없다. 그러나 피로 단균열의 탐지와 관련하여 지금까지 전세계적으로 보고된 연구 결과는 다수 있으므로 여기서는 주로 비파괴평가로 볼 수 있는 연구에 대해서만 살펴보기로 한다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제25권4호
• /
• pp.65-74
• /
• 2021

빠르게 증가하는 노후 터널을 효율적으로 관리하기 위하여 최근 영상장비를 이용한 점검 방법론들이 많이 제안되고 있다. 하지만 기존의 방법론들은 대부분 국한된 영역에서 검증을 수행하였을 뿐 아니라, 다른 물체들이 존재하지 않는 깨끗한 콘크리트 표면에서 검증되어 실제 현장에 대한 적용성을 검증하기 어려웠다. 따라서 본 논문에서는 이러한 한계를 극복하기 위하여 비균열 물체 학습에 기반한 6단계 터널 균열 탐지 딥러닝 모델 개발 프레임워크를 제안한다. 제안된 프레임워크는 터널에서 취득된 이미지 내 균열 탐색, 픽셀 단위 균열 라벨링, 딥러닝 모델 학습, 비균열 물체 수집, 비균열 물체 재학습, 최종 학습 데이터 구축의 총 6단계로 이루어진다. 제안된 프레임워크를 이용하여 개발된 균열 탐지 딥러닝 모델 개발을 수행하였으며, 일반 균열 1561장, 비균열 206장으로 개별 물체 세분화(Instance Segmentation) 모델인 Cascade Mask R-CNN을 학습시켰다. 학습된 모델의 현장 적용성을 검토하기 위하여 전선, 전등 등을 포함하는 약 200m 길이의 실제 터널에서 균열 탐지를 수행하였다. 실험 결과 학습된 모델은 99% 정밀도와 92%의 재현율을 나타내며 뛰어난 현장 적용성을 나타내었다.

• 한국컴퓨터정보학회논문지
• /
• 제25권10호
• /
• pp.15-22
• /
• 2020

본 연구에서는 가중치 오차 함수를 적용하여, 미세한 콘크리트 균열을 감지하는 U-Net 모델을 만들 수 있도록 개선 방안을 제안한다. 콘크리트 균열은 안전을 위협하는 요소이기 때문에 그 상태를 주기적으로 파악하고 신속하게 초기 대응을 하는 것이 중요하다. 하지만 현재는 점검자가 직접 육안으로 검사하고 평가하는 외관 검사법이 주로 사용되고 있다. 이는 정확성뿐만 아니라 비용과 시간, 안전성 측면에서도 한계점을 가진다. 이에 콘크리트 구조물에 생성되는 미세한 균열을 신속하고 정밀하게 탐지할 수 있도록 딥러닝을 활용한 기술들이 연구되고 있다. 본 연구에서 U-Net을 활용한 균열 탐지를 시도한 결과, 미세한 균열을 탐지하지 못하는 것을 확인하였다. 이에 제시한 가중치 오차 함수를 적용하여 학습한 모델에 대해 성능을 검증한 결과, 정확도(Accuracy) 99% 이상, 조화평균(F1_Score) 89%에서 92%의 신뢰성 높은 수치를 도출해내었고, 미세한 균열을 정확하고 선명하게 탐지한 결과를 통해 학습 개선 방안의 성능을 검증하였다.