• 한국구조물진단유지관리공학회 논문집
• /
• 제26권2호
• /
• pp.28-36
• /
• 2022

매립지 위에 건설되는 항만시설물은 바람(태풍), 파랑, 선박과의 충돌 등 극한 외부 하중에 노출되기 때문에 구조물의 안전성 및 사용성을 주기적으로 평가하는 것이 중요하다. 본 논문에서는 항만 계류시설에 설치된 방충설비의 유지관리를 위하여 비전 및 딥러닝 기반의 방충설비 세분화(segmentation) 시스템을 개발하였다. 방충설비 세분화를 위하여 인코더-디코더 형식과 인간 시각체계의 편심 기능에서 영감을 얻은 수용 영역 블록(Receptive field block) 기반의 합성곱 모듈을 DenseNet 형식으로 개선하는 딥러닝 네트워크를 제안하였다. 네트워크 훈련을 위해 BP형, V형, 원통형, 타이어형 등 다양한 형태의 방충설비 영상을 수집하였으며, 탄성 변형, 좌우 반전, 색상 변환 및 기하학적 변환을 통해 영상을 증강시킨 다음 제안한 딥러닝 네트워크를 학습하였다. 기존의 세분화 모델인 VGG16-Unet과 비교하여 제안한 모델의 세분화 성능을 검증하였으며, 그 결과 본 시스템이 IoU 84%, 조화평균 90% 이상으로 정밀하게 실시간으로 세분화할 수 있음을 확인하였다. 제안한 방충설비 세분화 시스템의 현장적용 가능성을 검증하기 위하여 국내 항만 시설물에서 촬영된 영상을 기반으로 학습을 수행하였으며, 그 결과 기존 세분화 모델과 비교하였을 때 우수한 성능을 보이며 정밀하게 방충설비를 감지하는 것을 확인하였다.

• Smart Structures and Systems
• /
• 제29권1호
• /
• pp.251-266
• /
• 2022

Structural Health Monitoring (SHM) of critical infrastructure comprises a major pillar of maintenance management, shielding public safety and economic sustainability. Although SHM is usually associated with data-driven metrics and thresholds, expert judgement is essential, especially in cases where erroneous predictions can bear casualties or substantial economic loss. Considering that visual inspections are time consuming and potentially subjective, artificial-intelligence tools may be leveraged in order to minimize the inspection effort and provide objective outcomes. In this context, timely detection of sensor malfunctioning is crucial in preventing inaccurate assessment and false alarms. The present work introduces a sensor-fault detection and interpretation framework, based on the well-established support-vector machine scheme for anomaly detection, combined with a coalitional game-theory approach. The proposed framework is implemented in two datasets, provided along the 1st International Project Competition for Structural Health Monitoring (IPC-SHM 2020), comprising acceleration and cable-load measurements from two real cable-stayed bridges. The results demonstrate good predictive performance and highlight the potential for seamless adaption of the algorithm to intrinsically different data domains. For the first time, the term "decision trajectories", originating from the field of cognitive sciences, is introduced and applied in the context of SHM. This provides an intuitive and comprehensive illustration of the impact of individual features, along with an elaboration on feature dependencies that drive individual model predictions. Overall, the proposed framework provides an easy-to-train, application-agnostic and interpretable anomaly detector, which can be integrated into the preprocessing part of various SHM and condition-monitoring applications, offering a first screening of the sensor health prior to further analysis.

• 한국구조물진단유지관리공학회 논문집
• /
• 제16권1호
• /
• pp.120-130
• /
• 2012

최근 장대 교량 및 복잡한 교량의 형상이 자주 건설됨에 따라, 교량의 안전도 및 건전성 평가에 많은 관심이 집중되고 있다. 장대교량의 경우 다양한 종류의 계측기 들이 설치되어, 측정된 센싱(Sensing)자료를 신호처리를 통해 케이블을 이용하여 장거리 전송하거나, Smart Health 모니터링 개념으로 교량 현장에서 게이트웨이(Gateway)를 통해 외부 무선통신망에 연결하여 정보를 전송하는 최신 무선통신 기술을 적용하고 있다. 하지만, 전 세계적으로 발생한 교량 관련 안전사고의 경우 위험 또는 사고인지에 따른 실시간 예방적, 지능적 조치가 미흡하여 대형사로를 유발한 것으로 보고되고 있다. 이런 문제점을 해결하고자 본 논문에서는 첨단 무선통신인 RFID(Radio Frequency Identification)/USN (Ubiquitous Sensor Network)기술의 기본 개념인 "Communication Among things" 사물 간 통신 개념을 교량 계측모니터링에 적용하여, 교량에 탑재된 다양한 계측 센서 노드로부터 내구성/안전성에 관련된 위험신호를 추출하여 긴박한 안전사고 등이 인지된 경우 사고예방개념에서 사물 간 통신개념으로, 교량의 센서노드가 바로 교량 인근의 교통신호등에 RF 무선 전파를 송신하여 교량의 교통을 차단하며, 대형 사고를 예방할 수 있는 USN기반의 지능형 교량 시스템을 구축을 위한 센서노드모듈을 설계 하였으며, TinyOS 기반 미들웨어 설계와 센서 자유공간 송수신거리 테스트를 실시하여 센서의 성능을 검증 하였다.