• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.125-127
• /
• 2021

본 논문에서는 목조 문화재의 변위 현상 중 하나인 크랙 현상을 감지할 수 있는 EfficientNet 기반 모델을 제안한다. 우선 사전 학습된 EfficientNet모델을 통해 학습 이미지로부터 심층 특징을 추출하고 크랙이 존재하는지 아닌지에 대해 분류하기 위한 완전 연결 신경망을 학습한다. 그런 다음 새로운 목조 문화재 이미지가 들어왔을 때 학습한 모델을 통해서 크랙이 존재하는지에 대해 최종적으로 판별하게 된다. 데이터 셋으로는 충주시 근처의 문화재에 방문해서 수집한 목조 이미지를 가지고 정상 및 비정상으로 구분한 데이터 셋을 사용하였다. 실험 결과 EfficientNet을 사용한 딥 러닝 기반 모델이 다른 사전 학습된 합성 곱 신경망 모델보다 더 좋은 성능을 나타냄을 확인하였다. 이러한 결과로부터 우리가 제안한 방법이 목재 문화재에서의 크랙 검출에 있어서 적합함을 보여준다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.133-135
• /
• 2021

본 논문에서는 목조 문화재 영상에서의 변위 현상 중 하나인 크랙이 발생하는 영역을 감지하기 위한 임베딩 유사도 기반 모델을 제안한다. 우선 변위가 존재하지 않는 정상으로만 구성된 학습 이미지는 사전 학습된 합성 곱 신경망을 통과하여 임베딩 벡터들을 추출한다. 그 이후 임베딩 벡터들을 가지고 정상 클래스에 대한 분포의 파라미터 값을 구한다. 실제 추론 과정에 사용되는 테스트 이미지에 대해서도 마찬가지로 임베딩 벡터를 구한다. 그런 다음 테스트 이미지의 임베딩 벡터와 이전에 구한 정상 클래스를 대표하는 가우시안 분포 정보와의 거리를 계산하여 이상치 맵을 생성하여 최종적으로 변위가 존재하는 영역을 감지한다. 데이터 셋으로는 충주시 근처의 문화재에 방문해서 수집한 목조 문화재 이미지를 가지고 정상 및 비정상으로 구분한 데이터 셋을 사용하였다. 실험 결과 우리가 제안한 임베딩 유사도 기반 모델이 목조 문화재에서 크랙이 발생하는 변위 영역을 잘 감지함을 확인하였다. 이러한 결과로부터 우리가 제안한 방법이 목재 문화재의 크랙 현상에 대한 변위 영역 검출에 있어서 매우 적합함을 보여준다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.645-647
• /
• 2021

본 논문에서는 목조건물의 Crack만을 움직여 Data set을 증강하는 기법을 제안한다. 이 기법은 이미지 내 Crack Detection의 학습 데이터를 만들기 위해 이미지의 전체적인 값으로 Flip, Rotation, Shift, Rescale 등의 변환을 통해 Data Augmentation을 진행하는 대신 Crack이라는 하나의 Object만을 가지고 새로운 데이터를 생성한다. 이때 Object는 관심 영역 내에서만 연산되어 기존의 방법보다 더욱 많은 데이터를 얻을 수 있으며, Crack이 관심 영역 밖으로 이동하지 않기 때문에 이상치 혹은 결측치가 존재하지 않는 데이터를 얻을 수 있다. 또한 Crack이 존재하지 않는 이미지에도 임의적으로 Crack을 생성하여 새로운 데이터를 만들 수 있다. 결론적으로 본 논문에서는 Crack Detection의 학습을 위하여 기존 방법보다 우수한 성능의 Data Augmentation을 제안하였다.

• Proceedings of the KIEE Conference
• /
• 2009.07a
• /
• pp.2077_2078
• /
• 2009

송전 철탑에 취부되는 절연물인 자기애자는 외부 환경에 노출된 구조물으로서 오염이나 크랙등에 의해 절연성능이 손상받을 수 있다. 이러한 절연애자의 불량이나 오염정도를 감시하기 위하여 애자를 통하여 흐르는 누설전류를 분석하는 기법을 사용하여 불량 및 오손을 감지하는 장치를 개발하였다. 본 논문에서는 개발 장치에 삽입될 전체적 검출 알고리즘과 실제작중인 장치의 일부분에 관하여 다루었다.

• Proceedings of the Korean Society for Noise and Vibration Engineering Conference
• /
• 2007.05a
• /
• pp.905-908
• /
• 2007

The purpose of this work is to obtain fundamental data about fatigue crack detection of the welded exhaust flange by using the AE method. The acoustic emission method as a nondestructive evaluation is one of high technical test for realtime monitoring in the dangerous industry fields. Signal analysis of both AE sensor and accelerometer for fatigue crack failure are presented in this paper.

• Proceedings of the KIEE Conference
• /
• 2006.07b
• /
• pp.643-644
• /
• 2006

자기누설탐상시스템은 지하에 매설된 가스관에서 발생되는 부식이나 크랙 또는 기계적 변형을 탐지하기 위한 방법으로 비파괴검사 방법의 하나이다. 가스관은 Nd자석에 의해 착자가 되고, 가스관에 부식이 발생했을 경우 가스관의 단면적이 작아지게 되어 자기누설이 발생하며, 발생된 자기누설을 홀센서로 검출하여 부식의 유무, 크기, 모양 등을 판별하게 된다. 지하매설 배관은 배관의 직경은 같으나 배관의 두께는 다양하게 존재한다. 특히 30inch의 배관에는 배관의 두께가 11.1, 14.3, 17.5 mm 등이 있다. 자기누설탐상시스템은 배관의 단면적 변화를 감지하는 것이기 때문에 배관의 두께에 따라 그 특성이 변화하게 된다. 또한 두께에 따른 결함의 종류에 따라서 검출신호도 변화하게 된다. 따라서 본 논문에서는 배관의 두께 변화에 따른 검출신호를 분석하였으며, 두께 변화의 영향을 적용하여 검출신호를 보정하기 위한 방법을 제시하였다.

• Proceedings of the KSR Conference
• /
• 2006.11b
• /
• pp.7-10
• /
• 2006

In this study, Curve dependent wheel flange lubricator with spray type is investigated and estimated a point of view reducing wheel flange wear and noise, a small crack in the curve. Advantage of curve dependent wheel flange lubricator spray type is found on the basis of the result of field test in comparison with oil spray type lubricator and wheel without wheel flange lubricator on railroad in korea for noise and wheel abraison. the influence of curve dependent wheel flange lubricator spray type on the small crack of wheel is introduced by research papers

• Transactions of the Korean Society of Mechanical Engineers A
• /
• v.38 no.2
• /
• pp.205-210
• /
• 2014

Recently, pattern recognition methods have been widely used by researchers for fault diagnoses of mechanical systems. A pattern recognition method determines the soundness of a mechanical system by detecting variations in the system's vibration characteristics. Hidden Markov models (HMMs) and artificial neural networks (ANNs) have recently been used as pattern recognition methods in various fields. In this study, a HMM-ANN hybrid method for the fault diagnosis of a mechanical system is introduced, and a rotating wind turbine blade with a crack is selected for fault diagnosis. The existence, location, and depth of said crack are identified in this research. For improving the diagnostic accuracy of the method in spite of the presence of noise, a moment with a few specific frequencies is applied to the structure.

• Journal of the Korea Convergence Society
• /
• v.11 no.11
• /
• pp.249-255
• /
• 2020

This study developed the health monitoring method of press process using the acoustic emission (AE) sensor and high-pass filter. Also, the AE parameters such as ring-down count and peak amplitude are used. Based on this AE signal, the AE parameters were acquired and was utilized to detect the crack of the specimen. Since the defect detection is difficult due to noise and low magnitude of signal, the signal noise and press operation frequency were checked through the Short Time Fourier Transform(STFT) and damped. High-pass Filtering data was applied to AE parameters to select effective parameters. By using this signal processing techniques, the proposed AE parameters could improve the performance of defect detection in the press process.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.25 no.12
• /
• pp.1777-1783
• /
• 2021

The use of drones is gradually increasing for the efficient maintenance of large-scale renewable energy power generation complexes. For a long time, photovoltaic panels have been photographed with drones to manage panel loss and contamination. Various approaches using artificial intelligence are being tried for efficient maintenance of large-scale photovoltaic complexes. Recently, semantic segmentation-based application techniques have been developed to solve the image classification problem. In this paper, we propose a classification model using semantic segmentation to determine the presence or absence of failures such as arcs, disconnections, and cracks in solar panel images obtained using a drone equipped with a thermal imaging camera. In addition, an efficient classification model was implemented by tuning several factors such as data size and type and loss function customization in U-Net, which shows robust classification performance even with a small dataset.