• Smart Structures and Systems
• /
• 제25권5호
• /
• pp.631-641
• /
• 2020

To meet the urgent requirements of safety surveillance from civil engineering management authorities, this study proposes a refined and efficient approach to generate full-field high-resolution panorama of construction sites using camera-amounted UAV (Unmanned Aerial Vehicle). GPS (Global Position System) information extraction for pre-registration, feature points filtering for efficient registration and optimal seaming line seeking for fusion are performed in sequence to form the full-field panorama generation framework. Advantages of the proposed method are as follows. First, GPS information can sort images for pre-registration, avoiding inefficient repeated pairwise calculations and matching. Second, the feature points are filtered according to the characteristics of the construction site images to reduce the amount of calculation. The proposed framework is validated on a road construction site and results demonstrate that it can generate an accurate and high-quality full-site panorama for the safety supervision in a much efficient manner.

• International Journal of Aeronautical and Space Sciences
• /
• 제9권1호
• /
• pp.100-110
• /
• 2008

It is not easy to monitor and identify all engine faults and conditions using conventional fault detection approaches like the GPA (Gas Path Analysis) method due to the nature and complexity of the faults. This study therefore focuses on a model based diagnostic method using Neural Network algorithms proposed for fault detection on a turbo shaft engine (PW 206C) selected as the power plant for a tilt rotor type unmanned aerial vehicle (Smart UAV). The model based diagnosis should be performed by a precise performance model. However component maps for the performance model were not provided by the engine manufacturer. Therefore they were generated by a new component map generation method, namely hybrid method using system identification and genetic algorithms that identifies inversely component characteristics from limited performance deck data provided by the engine manufacturer. Performance simulations at different operating conditions were performed on the PW206C turbo shaft engine using SIMULINK. In order to train the proposed BPNN (Back Propagation Neural Network), performance data sets obtained from performance analysis results using various implanted component degradations were used. The trained NN system could reasonably detect the faulted components including the fault pattern and quantity of the study engine at various operating conditions.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.704-705
• /
• 2016

스마트아이 기술은 기존의 재난 감시 및 관리 서비스가 사람에 의한 단순 모니터링 기반의 대응을 제공하는 데 비해, 무인기를 활용해 사람의 사각에서 발생하는 재난 상황을 촬영하여 감시 및 분석을 하며, 무인기에 탑재된 다중 복합 센서 데이터의 실시간 처리 분석을 통해 국지적 산불 재난의 감지 예측 및 상황대응을 지원하고, 통합경보 시스템과 연동하여 대국민 재난 정보 전달 서비스 제공하는 서비스이다. 현재 본 서비스를 제공할 수 있는 Front to End 시스템이 개발 완료되어 실험실 테스트를 진행하였으며, 이와 더불어 실제 필드에서의 재난 감시 및 예측 성능을 검증하기 위한 필드 테스트를 준비 중에 있다. 이에 본 논문에서는 현재 구축하고 있는 스마트아이 재난 관리 플랫폼 실험실 테스트의 진행상황을 간단히 소개하고, 재난 영상의 획득, 분석, 및 예측을 수행하는 통합 플랫폼의 주요 기능들에 대해서 논한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 춘계학술발표대회
• /
• pp.627-628
• /
• 2016

해마다 발생하는 자연재해는 사망, 실종과 같은 인명 피해와 더불어 수억 원에 달하는 재산피해를 수반하기 때문에, 경제적, 사회적 손실을 최소화할 수 있는 ICT 기반 자연재난 대응 기술 개발에 대한 관심도가 높아지고 있다. 본 논문에서는 무인기 및 탑재 센서로부터 획득한 영상정보를 기반으로 재난 인지 및 대응을 위한 스마트아이 플랫폼을 소개하고, 재난 인지에 핵심요소 기술인 Deep Learning 기반 재난 영상 분석 기술을 제안한다. 제안하는 Deep Learning 기반 재난 영상 분석은 과거의 반복적으로 발생하는 영상 정보를 학습함으로써, 새로운 입력 영상에 대한 재난 여부를 사람과 유사한 판단이 가능하도록 한다. 제안하는 재난 영상 분석 기술에 대한 설계 방식 및 실험 성능 제시를 통하여 제안하는 기법에 대한 타당성을 검증한다.

• Smart Structures and Systems
• /
• 제25권6호
• /
• pp.733-749
• /
• 2020

This study presents a computer vision-based approach for representing time evolution of structural damages leveraging a database of inspection images. Spatially incoherent but temporally sorted archival images captured by robotic cameras are exploited to represent the damage evolution over a long period of time. An access to a sequence of time-stamped inspection data recording the damage growth dynamics is premised to this end. Identification of a structural defect in the most recent inspection data set triggers an exhaustive search into the images collected during the previous inspections looking for correspondences based on spatial proximity. This is followed by a view synthesis from multiple candidate images resulting in a single reconstruction for each inspection round. Cracks on concrete surface are used as a case study to demonstrate the feasibility of this approach. Once the chronology is established, the damage severity is quantified at various levels of time scale documenting its progression through time. The proposed scheme enables the prediction of damage severity at a future point in time providing a scope for preemptive measures against imminent structural failure. On the whole, it is believed that the present study will immensely benefit the structural inspectors by introducing the time dimension into the autonomous condition assessment pipeline.

• 한국항공우주학회지
• /
• 제37권6호
• /
• pp.556-561
• /
• 2009

다양한 비행환경에서 장시간 체공하며 원격 조종되는 무인항공기에서 추진시스템을 신뢰성 있게 운영하는 것은 매우 중요하다. 스마트 무인기의 수직 이착륙 및 전진 비행에 사용 되는 터보축엔진의 정확한 손상진단은 신뢰성과 이용률을 향상시킬 수 있을 것이다. 본 연구에서는 엔진 측정 파라미터들의 변화로부터 퍼지이론을 적용하여 손상된 구성품을 식별한 후 훈련된 신경망 알고리즘을 식별된 손상 패턴에 적용 손상된 양을 정확히 진단할 수 있는 방법을 새로이 제안하였다. 제안된 진단방법은 단일손상은 물론 다중손상도 진단할 수 있다.

• 국토계획
• /
• 제53권7호
• /
• pp.39-48
• /
• 2018

The purpose of this study is to verify the stable flight conditions of drones within a limited urban area by using the ICAO(International Civil Aviation Organization) reich model which is using to evaluate civil aircraft stability. The results of the study are summarized as follows. First, in order for the drones flying stably, the horizontal safety separation distance between a drone and another should be at least 1,852M. Second, assuming that no obstacles within 1,852M of horizontal space, two drones can be fly into upper and lower spaces. However there are obstacles such as buildings, it is impossible to secure a 1,852M distance between drones. Third, sensitivity analysis point out that the separation interval($s_x$) of drone aviation has the greatest influence on the TLS(Target Level of Safety). If future research is conducted to lower the numerical values, the safety distance between a drone and another drone will be drastically reduced, allowing more detailed urban space division, and will be presented as a scientific numerical value for establishing a dedicated path for the drones.

• Smart Structures and Systems
• /
• 제33권2호
• /
• pp.105-118
• /
• 2024

In order to realize tiny bridge crack discovery by UAV-based machine vision, a novel method combining deep learning and tensor voting is proposed. Firstly, the grid images of crack are detected and descripted based on SE-ResNet50 to generate feature points. Then, the probability significance map of crack image is calculated by tensor voting with feature points, which can define the direction and region of crack. Further, the crack detection anchor box is formed by non-maximum suppression from the probability significance map, which can improve the robustness of tiny crack detection. Finally, a case study is carried out to demonstrate the effectiveness of the proposed method in the Xiangjiang-River bridge inspection. Compared with the original tensor voting algorithm, the proposed method has higher accuracy in the situation of only 1-2 pixels width crack and the existence of edge blur, crack discontinuity, which is suitable for UAV-based bridge crack discovery.

• 한국추진공학회:학술대회논문집
• /
• 한국추진공학회 2006년도 제26회 춘계학술대회논문집
• /
• pp.213-217
• /
• 2006

PW206C 터보 축 엔진을 위해 신경회로망을 이용한 지능형 성능 진단 프로그램이 제안되었다. 이 엔진은 항공우주연구원에서 개발 중에 있는 틸트 로터 타입 스마트 무인기의 추진시스템으로 선정되었다. 1개의 은닉층, 입력층, 출력층을 가지는 BPN(Back Propagation Network)이 신경회로망을 훈련시키기 위해 이용되었다. 입력층은 7개의 뉴런을 가지는데 SHP, MF, P2, T2, P4, T4 및 T5와 같은 측정파라미터이며 출력층은 6개의 뉴런으로 구성되어 있으며 각각은 압축기, 압축기 터빈, 동력 터빈의 유량 함수 및 효율이다. 신경망을 훈련하고 테스트하기 위한 데이터 베이스는 가스터빈 성능모사 프로그램을 이용하여 구성하였다. 훈련된 신경망을 PW206C 터보 축 엔진의 진단에 적용한 결과 제안된 진단 알고리즘이 압축기 오염과 압축기 터빈의 침식과 같은 단일 손상을 탐지하는데 유용함을 확인하였다.

• 한국추진공학회지
• /
• 제10권2호
• /
• pp.15-22
• /
• 2006

PW206C 터보 축 엔진을 위해 신경회로망을 이용한 지능형 성능 진단 프로그램이 제안되었다. 이 엔진은 항공우주연구원에서 개발 중에 있는 틸트 로터 타입 스마트 무인기의 추진시스템으로 선정되었다. 1개의 은닉층, 입력층, 출력층을 가지는 BPN(Back Propagation Network)이 신경회로망을 학습시키기 위해 이용되었다 입력층은 7개의 뉴런을 가지는데 SHP, MF, PT2, TT2, PT4, TT4 및 TT5와 같은 측정파라미터이며 출력층은 6개의 뉴런으로 구성되어 있으며 각각은 압축기, 압축기 터빈, 동력 터빈의 유량함수 및 효율이다. 신경망을 훈련하고 테스트하기 위한 데이터 베이스는 가스터빈 성능모사 프로그램을 이용하여 구성하였다. 훈련된 신경망을 PW206C 터보 축 엔진의 진단에 적용한 결과 제안된 진단 알고리즘이 압축기 오염과 압축기 터빈의 침식과 같은 단일 손상을 탐지하는데 유용함을 확인하였다.