• 한국복합재료학회:학술대회논문집
• /
• 한국복합재료학회 2004년도 춘계학술발표대회 논문집
• /
• pp.119-122
• /
• 2004

A CPGFRP(Carbon Powder Glass Fiber Reinforced Plastics) sensor was fabricated for fine crack detection of structures. The electrical resistance of the sensor was measured on condition of various composition of carbon powders and thickness of bundle of glass fibers. The resistance was decreased as the increase of the content of carbon powders and the TEX of the glass fibers. In the case of loading on CPGFRP sensor, because inner crack was propagated, the part of percolation structures was disconnected. The sensor is superior to carbon fiber for the detecting ability of fine crack.

• 대한기계학회논문집A
• /
• 제28권4호
• /
• pp.386-393
• /
• 2004

In this paper, the ultrasonic attenuation coefficient was measured by variation of crack length for double-cantilever beam(DCB) specimen. The energy release rate, G, was obtained by the experimental measurement of compliance. The experimental results represents that the crack length for the ultrasonic attenuation coefficient and energy release rate is increases proportionally From the experimental results, we proposed a detecting method of the crack length by the ultrasonic attenuation coefficient and discussed it.

• 대한건축학회논문집:구조계
• /
• 제35권11호
• /
• pp.163-170
• /
• 2019

Most of the current crack investigation work consists of visual inspection using simple measuring equipment such as crack scale. These methods involve the subjection of the inspector, which may lead to differences in the inspection results prepared by the inspector, and may lead to a large number of measurement errors. So, this study proposes an image-based crack detection method to enhance objectivity and efficiency of concrete crack investigation. In this study, YOLOv2 was used to determine the presence of cracks in the image information to ensure the speed and accuracy of detection for real-time analysis. In addition, we extracted shapes of cracks and calculated quantitatively, such as width and length using various image processing techniques. The results of this study will be used as a basis for the development of image-based facility defect diagnosis automation system.

• 한국건설관리학회:학술대회논문집
• /
• 한국건설관리학회 2004년도 제5회 정기학술발표대회 논문집
• /
• pp.561-564
• /
• 2004

국내외에서는 크랙실링 공법의 이점 및 도로면 유지보수 공사의 위험 요소를 인식하여 90년대 초반부터 크랙실링 자동화 장비 개발을 위한 연구를 진행하여 왔다. 기존 문헌 고찰과 도로면 크랙실링 자동화 장비(Automated Pavement Crack Sealer; APCS)의 실험실 및 현장 실험 결과, 도로면에 존재하는 크랙 네트워크를 자동으로 탐지하고 모델링하는 과정의 속도와 정확성을 향상시키는 것은 개발된 크랙실링 자동화 장비의 실용화를 위해 매우 중요한 요인으로 인식되었다 그러나, CCD 카메라를 통해 습득된 도로면 영상에서 크랙 네트워크를 완전 자동으로 인식하는 기술은 일반적인 영상 인식 분야에서 보다 외부 환경적인 요인으로 인해 낮은 인식률을 가지고 있다 본 연구를 통해 기존에 개발된 APCS 머신비전 알고리즘의 경우 도로면 영상의 환경 요인에 의해 발생된 문제점들을 많이 해결하였으나 실용화 단계에서 요구되는 크랙 인식률에는 도달하지 못하였다. 따라서, 본 연구의 목적은 기존 APCS 머신 비전 알고리즘의 완전 자동화 방식 크랙 탐지 및 모델링 알고리즘의 문제점을 분석하고 신경망 학습 기법을 이용한 크랙 인식 알고리즘을 개발하는 것이다.

• 한국정보통신학회논문지
• /
• 제12권10호
• /
• pp.1897-1902
• /
• 2008

영상에 나타난 콘크리트 표면의 균열은 그 획득 과정에서 빛이나 외부환경에 의해 훼손되는 경우가 발생한다. 또한 콘크리트 표면이 고르지 않고 균열과 표면의 명암도 차이가 거의 없기 때문에 정확한 균열을 검출하기 어렵다. 따라서 본 논문에서는 콘크리트 표면 영상을 밝기에 따라 여러 영역으로 구분하기 위해 ART2 기반 양자화를 적용한다. 양자화된 영역에서 균열과 잡음의 분포를 조사하여 균열과 잡음이 같이 존재하는 영역에서는 잡음 제거 과정을 수행한 후, 균열 후보 영역을 추출하고 균열 후보 영역에서 형태학적인 정보를 이용하여 잡음을 제거하여 최종 균열 영역을 검출한다. 실제 콘크리트 표면 균열 영상을 대상으로 실험 한 결과, 제안한 방법이 기존의 방법보다 콘크리트 표면의 밝은 영역에서 균열이 비교적 정확히 검출되는 것을 확인하였다.

• Journal of Welding and Joining
• /
• 제13권2호
• /
• pp.42-52
• /
• 1995

In the evaluation of aging degradation on the structural materials based on the fracture mechanics, the detection and size prediction of defect are very important. Aiming at nondestructive detection and size prediction ol defect with high accuracy and resolution, therefore, an lnduced Current Focusing Potential Drop(ICFPD) technique has been developed. The principle of this technique is to induce a focusing current at an exploratory region by an induction wire flowing an alternating current(AC) that is a constant ampere and frequency. Defects are assessed with the potential drops that are measured the induced current on the surface of metallic material by the potential pick-up pins. In this study, the lCFPD technique was applied for evaluating the location and size of the surface crack and blind crack made in plate specimens, and also for detecting the defects existing in valve, a field component, that were developed by SCC etc. during the service. The results of this present study show that surface crack and blind crack are able to defect with potential drop. these cracks are distinguished with the distribution of potential drop, and the crack depths can be estimated with each normalized potential drop that are parameters estimating the depth of each type crack. In the field component, the defects estimated by experiment result correspond with those in the cutting face of the measuring point within a higher sensitivity.

• 비파괴검사학회지
• /
• 제16권2호
• /
• pp.86-94
• /
• 1996

파괴역학을 기초로 한 구조물의 수명 관리와 안전성 평가에 있어서, 결함의 크기는 매우 중요한 변수인자이다. 집중유도형 교류전위차법(ICFPD)은 구조물 부재의 표면, 이면 및 내면에 존재하는 결함을 검출하고, 그 크기를 측정하기 위하여 개발하였다. 본 비파괴법의 원리는 교류 전류가 흐르는 하나의 도선에 의하여 국부적인 영역에 전류를 집중적으로 유도하는 것을 이용하였다. 도선에 흐르는 전류는 일정 크기와 주파수를 갖는다. 금속표면에 유도된 전위는 탐촉자에 설치된 전위측정용 단자(potential pick-up pins)로 측정한다. 본 논문은 집중유도형 교류전위차법을 이용하여 평판 시험편에 도입한 표면결함과 이면결함을 평가하였다. 표면결함의 경우, 전위차 분포는 결함의 경사도에 따라 변화하고, 결함부와 결함단부의 전위차는 결함의 경사도 및 깊이에 따라 변화한다. 이면결함의 경우, 전위차 분포는 표면결함의 전위차 분포와 구분이 되며, 결함부에서의 전위차는 결함의 깊이에 따라 변화한다.

• 한국농공학회논문집
• /
• 제61권3호
• /
• pp.55-65
• /
• 2019

Although crack on concrete exists from its early formation, crack requires attention as it affects stiffness of structure and can lead demolition of structure as it grows. Detecting cracks on concrete is needed to take action prior to performance degradation of structure, and deep learning can be utilized for it. In this study, transfer learning, one of the deep learning techniques, was used to detect the crack, as the amount of crack's image data was limited. Pre-trained Inception-v3 was applied as a base model for the transfer learning. Web scrapping was utilized to fetch images of concrete wall with or without crack from web. In the recognition of crack, image post-process including changing size or removing color were applied. In the visualization of crack, source images divided into 30px, 50px or 100px size were used as input data, and different numbers of input data per category were applied for each case. With the results of visualized crack image, false positive and false negative errors were examined. Highest accuracy for the recognizing crack was achieved when the source images were adjusted into 224px size under gray-scale. In visualization, the result using 50 data per category under 100px interval size showed the smallest error. With regard to the false positive error, the best result was obtained using 400 data per category, and regarding to the false negative error, the case using 50 data per category showed the best result.

• 대한기계학회논문집
• /
• 제12권4호
• /
• pp.806-812
• /
• 1988

본 연구에서는 상술한 바와 같이 광간섭에 의한 포성재료 및 초저온, 초고온 에 사용되는 재료의 응력확대계수 측정법에 대한 응용의 한 방법으로서 테프론 균열 주형법에 의한 인공열을 에폭시(epoxy)판으로 주형하고 레이저 간섭법에 의한 응력 확대계수의 측정을 시도하여 광소자(phototransistor)로 추적하기에 적당하고 선명한 간섭무늬를 얻을 수 있는 판사면 중심간의 구이를 실험적으로 결정하고 광탄성법에 의 한 실험결과와 비교하여 레이저 간섭법의 실용성을 확인하려고 한다.

• Smart Structures and Systems
• /
• 제28권6호
• /
• pp.779-789
• /
• 2021

Cracks in railway sleeper are an inevitable condition and has a significant influence on the safety of railway system. Although the technology of railway sleeper condition monitoring using machine learning (ML) models has been widely applied, the crack recognition accuracy is still in need of improvement. In this paper, a two-stage method using edge detection and convolutional neural network (CNN) is proposed to reduce the burden of computing for detecting cracks in railway sleepers with high accuracy. In the first stage, the edge detection is carried out by using the 3×3 neighborhood range algorithm to find out the possible crack areas, and a series of mathematical morphology operations are further used to eliminate the influence of noise targets to the edge detection results. In the second stage, a CNN model is employed to classify the results of edge detection. Through the analysis of abundant images of sleepers with cracks, it is proved that the cracks detected by the neighborhood range algorithm are superior to those detected by Sobel and Canny algorithms, which can be classified by proposed CNN model with high accuracy.