• 인터넷정보학회논문지
• /
• 제21권6호
• /
• pp.23-31
• /
• 2020

본 연구는 철도표면상에 발생하는 노후 현상 중 하나인 결함 검출을 위해 학습데이터를 생성함으로써 결함 검출 모델에서 더 높은 점수를 얻기 위해 진행되었다. 철도표면에서 결함은 선로결속장치 및 선로와 차량의 마찰 등 다양한 원인에 의해 발생하고 선로 파손 등의 사고를 유발할 수 있기 때문에 결함에 대한 철도 유지관리가 필요 하다. 그래서 철도 유지관리의 자동화 및 비용절감을 위해 철도 표면 영상에 영상처리 또는 기계학습을 활용한 결함 검출 및 검사에 대한 다양한 연구가 진행되고 있다. 일반적으로 영상 처리 분석기법 및 기계학습 기술의 성능은 데이터의 수량과 품질에 의존한다. 그렇기 때문에 일부 연구는 일반적이고 다양한 철도표면영상의 데이터베이스를 확보하기위해 등간격으로 선로표면을 촬영하는 장치 또는 탑재된 차량이 필요로 하였다. 본연구는 이러한 기계적인 영상획득 장치의 운용비용을 감소시키고 보완하기 위해 대표적인 영상생성관련 딥러닝 모델인 생성적 적대적 네트워크의 기본 구성에서 여러 관련연구에서 제시된 방법을 응용, 결함이 있는 철도 표면 재생성모델을 구성하여, 전용 데이터베이스가 구축되지 않은 철도 표면 영상에 대해서도 결함 검출을 진행할 수 있도록 하였다. 구성한 모델은 상이한 철도 표면 텍스처들을 반영한 철도 표면 생성을 학습하고 여러 임의의 결함의 위치에 대한 Ground-Truth들을 만족하는 다양한 결함을 재 생성하도록 설계하였다. 재생성된 철도 표면의 영상들을 결함 검출 딥러닝 모델에 학습데이터로 사용한다. 재생성모델의 유효성을 검증하기 위해 철도표면데이터를 3가지의 하위집합으로 군집화 하여 하나의 집합세트를 원본 영상으로 정의하고, 다른 두개의 나머지 하위집합들의 몇가지의 선로표면영상을 텍스처 영상으로 사용하여 새로운 철도 표면 영상을 생성한다. 그리고 결함 검출 모델에서 학습데이터로 생성된 새로운 철도 표면 영상을 사용하였을 때와, 생성된 철도 표면 영상이 없는 원본 영상을 사용하였을 때를 나누어 검증한다. 앞서 분류했던 하위집합들 중에서 원본영상으로 사용된 집합세트를 제외한 두 개의 하위집합들은 각각의 환경에서 학습된 결함 검출 모델에서 검증하여 출력인 픽셀단위 분류지도 영상을 얻는다. 이 픽셀단위 분류지도영상들과 실제 결함의 위치에 대한 원본결함 지도(Ground-Truth)들의 IoU(Intersection over Union) 및 F1-score로 평가하여 성능을 계산하였다. 결과적으로 두개의 하위집합의 텍스처 영상을 이용한 재생성된 학습데이터를 학습한 결함 검출모델의 점수는 원본 영상만을 학습하였을 때의 점수보다 약 IoU 및 F1-score가 10~15% 증가하였다. 이는 전용 학습 데이터가 구축되지 않은 철도표면 영상에 대해서도 기존 데이터를 이용하여 결함 검출이 상당히 가능함을 증명하는 것이다.

• 대기
• /
• 제20권4호
• /
• pp.467-482
• /
• 2010

수치모델 및 자료동화 기법이 급격히 발달하고 여러 가지 물리 역학적 과정이 개선되며, 이를 운영하는 컴퓨팅 시스템이 발달함에 따라 수치예보 기술 및 성능이 개선되었지만, 낙뢰와 같이 주로 중규모 시스템에 동반되어 발생하거나, 수십 km 이내의 국지적인 악기상에 동반된 경우 아직까지는 수치모델의 예측성은 매우 낮다고 할 수 있다. 이렇게 낮은 낙뢰 탐지 및 예측성을 개선하기 위하여 지상 및 고층, 원격 탐사된 자료를 종합적으로 활용하여 낙뢰 탐지 및 예보에 접근할 필요성이 있다. 또한 한반도의 대기상태가 점차 하층에서의 온난화와 습윤화로 인하여 불안정화되고 있는 상태에서 최근 데이터를 이용하여 새로운 지침을 모색할 필요가 있다. 본 연구에서는 남한 지역에서 발생하는 낙뢰현상의 탐지 가능성 및 예측성을 높이기 위하여 기상청 신낙뢰관측 시스템에서 관측된 낙뢰 자료와 우리나라 5개 고층 관측소 (오산, 광주, 포항, 제주, 백령도)에서 관측된 고층기상관측자료를 분석하여 낙뢰 발생시 안정도 지수와 환경변수의 객관적인 특성을 제시하고자 하였다. 본 연구에서 분석한 안정도 지수 및 대기환경변수는 CAPE, SSI, LI, KI, LCLT, MLMR, TPW 그리고 바람시어 등이다. 낙뢰와 고층기상관측 자료사이의 대응(match-up) 자료 선정기준으로는 레윈존데의 실제적인 비양 및 관측시간을 기준으로 -2hr~+1 hr 사이 그리고 고층기상관측소를 기준으로 100 km 이내에 낙뢰가 발생한 경우로 하였다. 장소 및 시간에 따라 정도의 차이는 있으나 낙뢰가 발생했을 때의 대류권 하층의 기온과 혼합비는 평시에 비해 약 1 K, $1{\sim}2gkg^{-1}$ 높게 나타나고 있다. 또한 각 안정도 지수와 환경변수를 낙뢰 발생시와 비발생시로 구분하여 지수들의 분포를 분석한 결과 변수에 따라 분리수준이 높은 경우도 있지만 대부분 많은 중첩이 나타나고 있어 특정 안정도 지수만을 이용하여 낙뢰탐지가 쉽지 않음을 확인하였다. 낙뢰 발생시와 비발생시에 값들의 분리가 상대적으로 높은 지수들를 이용하여 낙뢰탐지에 최적인 임계값을 산출하였다. 낙뢰와 같이 현상의 유무로 구분되는 이진변수의 탐지수준 분석에는 주로 분할표가 이용된다. 여기서 안정도 지수별 낙뢰탐지 최적의 임계값은 분할표로부터 도출되는 POD, FAR, ACC, CSI, HSS 등 다양한 평가측도 중에서 낙뢰와 같이 발생빈도가 적은 현상의 분석에 적합한 HSS를 최대로 하는 값으로 도출하였다. Table 6에서 보는 바와 같이 전지역에서 HSS의 값이 크지 않을 뿐만 아니라 각 안정도 지수 및 환경변수의 개수 및 임계값이 지역에 따라 상이하게 나타나고 있다. 따라서 이들 자료를 현업에서 이용하기 위해서는 보다 많은 사례와 낙뢰-고층기상관측자료 대응(match-up) 자료 선정기준의 정교화 등이 필요하다. 또한 낙뢰, 집중호우와 같은 악기상의 현황과 발달과정에 대해 많은 정보를 제공해 주는 위성, 레이더 등 원격탐사자료와의 종합적인 활용이 필요하다.