초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

콘크리트는 주택과 교량 등 인프라 건설에 널리 사용된다. 그러나, 시간이 지남에 따라 콘크리트 구조물이 열화되어 강도가 떨어지고, 더 중요한 것은 콘크리트에 균열이 나타나는 것이다. 균열을 조기에 감지하면 전체 구조물을 교체할 필요 없이 수리가 가능해 비용을 절감할 수 있다. 기술이 발전하고 실용적인 균열 감지 방법에 대한 수요가 증가함에 따라, 전통적인 방법들은 서서히 뒤쳐지고 있다. 수동 검사는 콘크리트 구조물의 손상을 확인하기 위해 종종 사용되지만, 복잡한 환경에서 작업하는 데 많은 어려움에 직면하고 인간의 시각과 지각과 같은 주관적인 오류가 발생하기 쉽다. 자동화된 콘크리트 검사 시설의 도입은 수동 검사의 문제점을 보완할 수 있다. 본 연구의 목적은 수동검사를 대체할 수 있는 효율적인 콘크리트 검사 수단을 모색하고 개발하는 것이다. 강화된 콘크리트 RGB 균열 이미지와 열화상 이미지를 사용하여 수정된 ...

콘크리트는 주택과 교량 등 인프라 건설에 널리 사용된다. 그러나, 시간이 지남에 따라 콘크리트 구조물이 열화되어 강도가 떨어지고, 더 중요한 것은 콘크리트에 균열이 나타나는 것이다. 균열을 조기에 감지하면 전체 구조물을 교체할 필요 없이 수리가 가능해 비용을 절감할 수 있다. 기술이 발전하고 실용적인 균열 감지 방법에 대한 수요가 증가함에 따라, 전통적인 방법들은 서서히 뒤쳐지고 있다. 수동 검사는 콘크리트 구조물의 손상을 확인하기 위해 종종 사용되지만, 복잡한 환경에서 작업하는 데 많은 어려움에 직면하고 인간의 시각과 지각과 같은 주관적인 오류가 발생하기 쉽다. 자동화된 콘크리트 검사 시설의 도입은 수동 검사의 문제점을 보완할 수 있다. 본 연구의 목적은 수동검사를 대체할 수 있는 효율적인 콘크리트 검사 수단을 모색하고 개발하는 것이다. 강화된 콘크리트 RGB 균열 이미지와 열화상 이미지를 사용하여 수정된 You Only Look Once 버전(YOLO-v3) 방법을 사용하여 훈련된 딥 러닝 데이터를 생성했다. 콘크리트 조성의 정량화, 건설자재의 품질관리 등 간섭요소가 있는 영상데이터를 이용하여 알고리즘의 정확성도 시험하였다. 또한, 수동 기술, 이미지 처리 기술 및 기계 학습 방법과 같은 이전의 많은 균열 감지 방법이 논의된다. 이러한 방법들은 각 방법의 결과와 효과를 평가하기 위해 조사되었다. 균열의 존재를 감지하기 위해 YOLO 모델을 훈련시키기 위해 깊이가 다른 5000개의 균열 이미지가 선택되었다. 균열 없는 콘크리트 이미지 데이터를 사용하여 YOLO 모델을 훈련하여 균열과 균열 없는 이미지의 특징을 식별했다. 연구 결과는 콘크리트 균열 검출을 위해 개선된 YOLO-v3의 실시간 정확도와 안정성을 입증한다. 이 논문은 이미지 향상을 사용하여 연구의 수단이 RGB 이미지에서 동일한 우수한 성능 결과를 제공한다는 것을 입증한다.

주제어