• 한국건축시공학회지
• /
• 제17권6호
• /
• pp.545-557
• /
• 2017

이 연구는 사회 기반 구조물의 노후화에 대한 안전점검 기술분야에서 구조물 외관점검 기술의 효율적 대안에 관한 연구이다. 기존 육안점검 및 조사를 대신하여 산업용 드론과 딥 러닝기반의 이미지 분석 기법을 접목함으로써 막대한 인력과 시간소요 및 비용을 절감하고 높은 구역 및 돔 구조물의 접근 한계를 극복하고자 하였다. 구조물의 0.3mm 이상의 균열 손상을 검지할 수 있는 고 해상도 카메라와 라이다 센서, 임베디드 이미지 프로세서 모듈로 구성된 탑재체를 제작하여 산업용 드론에 탑재하였다. 이를 현장 시험에 적용하여 자동비행항법을 통해 시편의 손상 이미지를 촬영하였다. 또한 균열경을 이용하여 기존 육안 점검 방법으로 백태, 박리박락과 같은 면적형 손상과 선형 손상인 균열의 폭과 길이를 측정하여 최종 이미지 분석 검출 결과와 비교하고자 하였다. 촬영된 이미지 중 80장의 샘플을 골라 이미지 분석 기법을 적용하여 사전처리작업(pre-processing)-분리작업(segmentation)-특징점 추출작업(feature extraction)-분류 작업(Classification)-지도학습작업(supervised learning) 등의 과정을 거쳐 손상을 분리하고, 이를 딥러닝 기반 플랫폼으로 지도학습하여 분석 파라미터를 추출하였다. 지도학습을 수행하지 않은 임의의 이미지 샘플 60장을 신규로 추가하여 추출된 파라미터를 기반으로 이미지 분석을 수행한 결과, 손상 검출율의 90.5%로 나타났다.

• 한국항공우주학회지
• /
• 제49권8호
• /
• pp.671-680
• /
• 2021

본 논문은 정찰용 하드웨어와 소프트웨어를 설계하고 제작하여 캔위성 플랫폼과 지상국에 탑재 후 기능을 검증한 내용을 다루고 있다. 주요 정찰 임무는 크게 2가지로 구성되는데, 레이더와 GPS, IMU 센서를 이용해 주변 지형을 3D로 렌더링하는 지형탐색과 광학 카메라 영상분석을 통한 실시간 주요 물체 검출이다. 그리고 캔위성 시스템의 완성도를 높이기 위해 GUI 소프트웨어를 통해 데이터 분석효율을 향상하였다. 구체적으로 지형정보와 물체 탐지정보를 실시간으로 지상국에서 확인할 수 있는 소프트웨어를 제작하였으며, 비정상패킷 예외처리와 시스템 초기화 기능을 통해 임무 실패를 방지하였다. 통신계는 LTE와 AWS 서버를 통한 통신을 메인 채널로 사용했고, 보조 채널로 지그비를 사용하였다. 완성된 캔위성을 로켓 발사 방식과 드론 탑재 방식으로 공중 낙하 실험하였다. 실험 결과, 지형탐색과 물체 검출 성능이 우수하였으며, 모든 결과를 실시간으로 처리 후 지상국 소프트웨어에 성공적으로 시현하였다.

• 헤리티지:역사와 과학
• /
• 제51권2호
• /
• pp.22-37
• /
• 2018

현재 국내 및 국외를 아울러 무인항공기(Unmanned Aerial Vehicle, UAV)의 관심이 상당히 높아졌다. UAV에는 영상을 촬영하는 카메라가 탑재되어 있어 고고학 조사가 불가능한 지역의 접근에 유리하다. 더구나 항공사진 촬영을 통해 지형을 모델링하여 3차원 공간영상정보를 취득할 수 있어, 조사 대상지역의 지형에 대한 해석을 구체화할 수 있다. 이와 함께 과거 항공사진과의 비교 검토를 통해 지형의 변화모습을 파악한다면 유적의 존재 여부의 파악에도 많은 도움이 될 것이다. 이러한 유적 탐색을 위한 지형모델링은 크게 두 부분으로 나누어 접근할 수 있다. 우선 드론을 이용한 현재 지형의 항공사진을 취득한 후 이를 영상정합하고 후처리 과정을 진행하여 완성하는 방법과 과거 항공사진을 이용한 영상접합과 지형모델링을 완성하는 방법 등이다. 이 과정을 거쳐 완성한 모델링 지형은 여러 분석결과를 도출할 수 있는데, 현재의 지형모델링에서는 DSM과 DTM, 고도분석 등의 지형분석을 실시하여 형질변경 및 미지형의 모습을 대략적으로 파악할 수 있고, 과거 항공사진의 지형모델링에서는 원지형과 저습지 내 매몰미지형의 모습 등을 파악할 수 있다. 이를 실제 조사된 내용과 비교하고 각각의 지형모델링 자료를 중첩하여 살펴보게 되면 구릉지형에서는 형질변경의 모습을, 저습지형에서는 매몰된 미지형의 모습을 볼 수 있어 유적의 존부를 파악하는데 매우 유용하게 사용될 수 있다. 이처럼 항공사진을 이용한 모델링 자료는 고고학현장에서 조사가 불가한 사유지나 광범위한 지역의 지형에 유적의 존재여부를 파악하는데 유용하며, 추후 유적의 보존처리와 관련한 논의에도 적극 이용될 수 있다. 나아가 과거와 현재의 지형자료의 비교를 통해 지적도나 토지활용도 등의 주제도로 제공이 가능하는 등, 다양한 방식으로의 활용 가능성을 생각할 수 있다. 그러나 무엇보다도 고고학 자료의 존재유무 파악을 위한 유적 탐색의 새로운 조사방법론으로 기능할 수 있다.

• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.337-345
• /
• 2023

벼의 출수기를 추정하는 것은 농업생산성과 관련된 중요한 과정 중 하나이지만 세계적인 이상기후의 증가로 벼의 출수기를 추정하는 것이 어려워지고 있다. 본 연구에서는 CNN 분류모델을 사용하여 다양한 영상데이터에서 벼의 출수기를 추정하려고 시도하였다. 드론과 타워형 영상관측장치 그리고 일반 RGB 카메라로 촬영된 직하방과 경사각 영상을 수집하였다. 수집한 영상은 CNN 모델의 입력데이터로 사용하기 위해서 전처리를 진행하였고, 사용된 CNN 아키텍처는 이미지 분류 모델에서 일반적으로 사용되는 ResNet50, InceptionV3 그리고 VGG19 를 사용하였다. 각각의 아키텍처는 모델의 종류, 영상의 유형과 관계없이 0.98 이상의 정확도를 나타내었다. 또한 CNN 분류 모델이 영상의 어떤 특징을 보고 분류하였는지 시각적으로 확인하기 위해서 Grad-CAM 을 사용하였다. Grad-CAM 결과 CNN 분류 모델은 벼의 출수를 이삭의 형태에 높은 가중치를 두어 분류 하는 것을 확인하였다. 다음으로 작성된 모델이 실제 논 포장 모니터링 이미지에서 벼의 출수기를 정확하게 추정하는지 확인하였다. 각각 다른 지역 4 개의 벼 포장에서 벼의 출수기를 약 하루정도의 차이로 추정하는 것을 확인하였다. 이 방법을 통해서 다양한 논 포장의 모니터링 이미지를 활용하여 자동적이고 정량적으로 벼의 출수기를 추정 할 수 있다고 판단된다.