본 연구에서는 철근의 인장시험에서 변형률에 대한 상세 측정을 위하여 이미지 프로세싱을 이용하고, 변형률 분포와 넥킹구간을 평가하였다. 이미지 프로세싱 방법으로는 기존의 회색조영상을 이용한 방법이 아닌 칼라영상의 색상정보를 분석하여, 원하는 타겟과 가장 일치하는 영역과 그 외의 영역으로 구분하여 이진영상으로 변환하는 방법을 사용하였다. 변환된 이진영상에서 개별 타겟들의 도심점을 산출한 후 각 도심점의 상대변위값을 변형률로 환산하였다. 인장실험은 ASTM A615 기준으로 제작된 grade 60 철근 중 D22와 D29에 대해서 시험을 수행하였다. 이미지 프로세싱을 이용하여 계측된 변형률 결과를 기존 변형률 게이지를 이용하여 계측한 결과와 비교하여, 본 연구에서 사용한 이미지 프로세싱 방법에 대해서 검증하였다. 이미지 프로세싱을 이용하여 초기 탄성구간의 변형률 뿐만 아니라 넥킹구간에서 발생한 0.5(50%) 이상의 변형률도 계측이 가능한 것을 확인하였다. 본 연구결과 이미지 프로세싱을 통하여 기존 변형률 게이지의 계측한계를 극복가능하고, 다양한 지점에서 자유롭게 계측할 수 있음을 알 수 있었다.
본 연구에서는 철근의 인장시험에서 변형률에 대한 상세 측정을 위하여 이미지 프로세싱을 이용하고, 변형률 분포와 넥킹구간을 평가하였다. 이미지 프로세싱 방법으로는 기존의 회색조영상을 이용한 방법이 아닌 칼라영상의 색상정보를 분석하여, 원하는 타겟과 가장 일치하는 영역과 그 외의 영역으로 구분하여 이진영상으로 변환하는 방법을 사용하였다. 변환된 이진영상에서 개별 타겟들의 도심점을 산출한 후 각 도심점의 상대변위값을 변형률로 환산하였다. 인장실험은 ASTM A615 기준으로 제작된 grade 60 철근 중 D22와 D29에 대해서 시험을 수행하였다. 이미지 프로세싱을 이용하여 계측된 변형률 결과를 기존 변형률 게이지를 이용하여 계측한 결과와 비교하여, 본 연구에서 사용한 이미지 프로세싱 방법에 대해서 검증하였다. 이미지 프로세싱을 이용하여 초기 탄성구간의 변형률 뿐만 아니라 넥킹구간에서 발생한 0.5(50%) 이상의 변형률도 계측이 가능한 것을 확인하였다. 본 연구결과 이미지 프로세싱을 통하여 기존 변형률 게이지의 계측한계를 극복가능하고, 다양한 지점에서 자유롭게 계측할 수 있음을 알 수 있었다.
In this study, measurements were conducted by image processing to do an in-depth evaluation of strain of rebar in a uniaxial tension test. The distribution of strain and the necking region were evaluated. The image processing is used to analyze the color information of a colored image, so that the p...
In this study, measurements were conducted by image processing to do an in-depth evaluation of strain of rebar in a uniaxial tension test. The distribution of strain and the necking region were evaluated. The image processing is used to analyze the color information of a colored image, so that the parts consistent with desired targets can be distinguished from the other parts. After this process, the image was converted to a binary one. Centroids of each target region are obtained in the binary images. After repeating such process on the images from starting point to the finishing point of the test, elongation between targets is calculated based on the centroid of each target. The tensile test were conducted on grade 60 #7(D22) and #9(D29) rebars fabricated in accordance with ASTM A615 standards. Strain results from image processing were compared to the results from a conventional strain gauge, in order to see the validity of the image processing. With the image processing, the measuring was possible in not only the initial elastic region but also the necking region of more than 0.5(50%) strain. The image processing can remove the measuring limits as long as the targets can be video recorded. It also can measure strain at various spots because the targets can easily be attached and detached. Thus it is concluded that the image processing helps overcome limits in strain measuring and will be used in various ways.
In this study, measurements were conducted by image processing to do an in-depth evaluation of strain of rebar in a uniaxial tension test. The distribution of strain and the necking region were evaluated. The image processing is used to analyze the color information of a colored image, so that the parts consistent with desired targets can be distinguished from the other parts. After this process, the image was converted to a binary one. Centroids of each target region are obtained in the binary images. After repeating such process on the images from starting point to the finishing point of the test, elongation between targets is calculated based on the centroid of each target. The tensile test were conducted on grade 60 #7(D22) and #9(D29) rebars fabricated in accordance with ASTM A615 standards. Strain results from image processing were compared to the results from a conventional strain gauge, in order to see the validity of the image processing. With the image processing, the measuring was possible in not only the initial elastic region but also the necking region of more than 0.5(50%) strain. The image processing can remove the measuring limits as long as the targets can be video recorded. It also can measure strain at various spots because the targets can easily be attached and detached. Thus it is concluded that the image processing helps overcome limits in strain measuring and will be used in various ways.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 철근의 변형률 계측 및 구간별 변형률 분포를 분석하고, 넥킹구간에서의 파단시까지의 변형률을 계측하기 위해서 이미지 프로세싱 방법을 적용하고자 한다. 타겟이 부착된 철근에 대한 이미지 프로세싱 방법을 이용한 변형률 계측은 계측범위의 제한이 없고, 계측 구간의 구분이 수월한 장점을 갖는다.
본 연구에서는 1축인장 상태에서의 철근의 극한거동과 변형률 분포 및 넥킹구간의 거동에 대한 평가를 위하여 인장시험을 수행하였다. 인장시험은 ASTM A 615 기준에 따라 생산된 Grade 60의 D22와 D29 철근을 대상으로 하였다.
본 연구에서는 철근의 1축 인장시험에서 국부적인 변형률을 보다 상세하게 평가하기 위하여 이미지 프로세싱 방법을 이용한 계측을 수행하고, 철근의 변형률 분포 및 넥킹구간에 대한 평가를 수행하였다. 시험은 ASTM A 615 기준에 따라 생산된 grade 60 D22(#7)와 D29(#9) 철근에 대해서 ASTM A 370에 따라 수행하고, 이미지 프로세싱을 이용하여 계측한 변형률 결과를 기존 변형률 게이지의 계측결과와 비교하여 이미지 프로세싱을 이용한 방법의 적용성을 확인하였다.
제안 방법
따라서 모든 시편의 표점거리 기준은 200 mm로 설정하였고, 표점거리의 기준점에서 인장그립까지의 여유거리는 1D로 하였다. 1축 인장상태에서의 철근의 변형률 계측은 철근 표면에 부착된 타겟을 이용한 이미지 프로세싱 방법을 활용하였다. 이미지 프로세싱을 위하여 직경 4 mm의 반구형 타겟을 표점구간 내에 10 mm 간격으로 총 21개를 부착하였다.
본 연구에서 적용한 이미지 프로세싱 방법의 정확도에 대한 평가를 위하여 변형률 게이지를 이용하여 계측된 결과와의 비교를 수행하였다. Fig. 16과 17에 철근의 1축 인장시험 중 변형률 게이지를 이용하여 측정된 철근의 응력-변형률 관계와 이미지 프로세싱을 통해서 얻어진 응력-변형률 관계를 비교하였다. 이미지 프로세싱을 통해서 얻어진 결과는 변형률 게이지가 부착된 위치와 동일한 구간의 결과를 비교하였고, 이미지 프로세싱을 이용하여 얻어진 표점구간내 평균 변형률을 같이 도시하였다.
인장시험은 ASTM A370 기준에 따라 수행되었다. 따라서 모든 시편의 표점거리 기준은 200 mm로 설정하였고, 표점거리의 기준점에서 인장그립까지의 여유거리는 1D로 하였다. 1축 인장상태에서의 철근의 변형률 계측은 철근 표면에 부착된 타겟을 이용한 이미지 프로세싱 방법을 활용하였다.
따라서 이미지 프로세싱을 이용한 변형률 계측과 데이터로거를 이용한 하중계측이 개별적으로 이루어질 경우 정확한 응력-변형률 관계 산출이 어렵게 되고, 이를 위한 후처리 과정이 필요하게 된다. 따라서 본 연구에서 적용한 이미지 프로세싱 방법에서는 철근에 부착된 타겟과 로드셀에서 계측되는 현재 하중 값을 하나의 영상 안에 동시에 촬영하도록하였다. 그리고 촬영된 하중 값에 대해서는 영상분석 단계에서 광학문자인식(Optical Character Recognition:OCR) 알고리즘(Smith et al.
그러나 일반적으로 해상도 측면에서는 디지털 캠코더 보다 디지털 카메라가 선택의 폭이 넓으며, 단위화소 당 촬영기기 가격의 측면에서도 유리하다. 따라서 본 연구에서는 디지털 카메라를 이용하여 촬영하였다.
본 연구에서는 이미지 프로세싱 방법으로 칼라영상의 색상정보를 분석하여, 원하는 타겟과 가장 일치하는 영역과 그 외의 영역으로 구분하여 이진영상으로 변환하는 방법을 사용하였다. Fig.
변형률게이지는 시편마다 3개씩 부착하였는데, 변형률 게이지 중 두 개는 표점거리 양 끝단에 부착하였고, 나머지 한 개는 철근의 중앙부에 부착하였다. 부착된 변형률게이지는 계측 가능한 변형률 범위가 0.15~0.2까지인 소성 변형률게이지를 사용하였고, 데이터로거(Tokyo Sokki TDS-303)를 이용하여 변형률게이지와 UTM 로드셀의 신호를 계측하였다. Table 1은 ASTM A 615기준에 정의된 철근 항복강도와 극한강도를 정리한 것이다.
영상처리 단계를 지나 영상분석 단계에서는 각 타겟 영역의 기하학적 도심을 산출한다. 산출된 타겟별 도심을 기준으로 타겟간의 상대거리를 산출하고, 초기 상대거리를 기준으로 하여, 각 구간별 변형률을 산출한다. 철근의 응력-변형률 관계를 도시하기 위해서는 철근의 변형률 뿐만 아니라 하중 값도 취득이 가능해야하고, 이미지 프로세싱으로 얻어진 변형률과의 계측 시점에 대한 동기화가 매우 중요하다.
타겟이 부착된 철근에 대한 이미지 프로세싱 방법을 이용한 변형률 계측은 계측범위의 제한이 없고, 계측 구간의 구분이 수월한 장점을 갖는다. 시험은 ASTM A 615 기준에 따라 생산된 grade 60 D22(#7)와 D29(#9) 철근에 대해서 ASTM A 370에 따라 수행하고, 변형률 계측은 이미지 프로세싱방법과 기존 변형률게이지 방법을 이용하여 결과를 상호 비교하고자 한다.
본 연구에서는 철근의 1축 인장시험에서 국부적인 변형률을 보다 상세하게 평가하기 위하여 이미지 프로세싱 방법을 이용한 계측을 수행하고, 철근의 변형률 분포 및 넥킹구간에 대한 평가를 수행하였다. 시험은 ASTM A 615 기준에 따라 생산된 grade 60 D22(#7)와 D29(#9) 철근에 대해서 ASTM A 370에 따라 수행하고, 이미지 프로세싱을 이용하여 계측한 변형률 결과를 기존 변형률 게이지의 계측결과와 비교하여 이미지 프로세싱을 이용한 방법의 적용성을 확인하였다. 본 연구를 통하여 얻어진결론은 다음과 같다.
시험체별로 개별 타겟을 기준으로 구분되는 세부구간별 변형률 결과(T i-j)와 전체 타겟 구간에 대한 평균 변형률 결과(Average)를 도시하였다. 시험체의 응력산정 시 철근의 포아송비에 따른 단면적 감소는 고려하지 않았으며, 계측된 하중과 철근의 공칭단면적을 이용하여 산출하였다. 각 시험체의 응력-변형률 곡선에서 평균값은 전체 타겟 구간의 평균값을 의미하는 것으로 산술적으로 표점구간 내의 평균 변형률을 의미하게 된다.
철근의 일부구간에서 넥킹현상이 발생한 이후에는 넥킹구간에 인접한 구간을 제외한 영역에서는 변형률의 증가가 매우 미소하고 변형률의 증가는 모두 넥킹구간에서 발생하는 것을 확인하였다. 이미지 프로세싱 방법을 통하여 철근의 국부적인 구간의 응력-변형률 관계를 확인할 수 있었으며, 각 구간별 차이를 비교할 수 있었다.
이미지 프로세싱을 이용하여 얻어진계측결과에 대한 검증을 위하여 변형률 게이지를 부착하여 비교값을 얻을 수 있도록 하였다. 변형률게이지는 시편마다 3개씩 부착하였는데, 변형률 게이지 중 두 개는 표점거리 양 끝단에 부착하였고, 나머지 한 개는 철근의 중앙부에 부착하였다.
16과 17에 철근의 1축 인장시험 중 변형률 게이지를 이용하여 측정된 철근의 응력-변형률 관계와 이미지 프로세싱을 통해서 얻어진 응력-변형률 관계를 비교하였다. 이미지 프로세싱을 통해서 얻어진 결과는 변형률 게이지가 부착된 위치와 동일한 구간의 결과를 비교하였고, 이미지 프로세싱을 이용하여 얻어진 표점구간내 평균 변형률을 같이 도시하였다. 이미지 프로세싱으로부터 얻어진 평균 변형률은 신율계를 이용하여 얻을 수 있는 표점구간내 평균 변형률과 같은 개념이다.
(2008)은 X-ray로 촬영한 이미지에 대해서 체적 상관관계 연산을 수행하고, 3차원 변형측정 연구를 수행하였다. 주요 변수로 미세전산화단층촬영(micro-computed tomography)과 광학주사단층촬영(optical scanning tomo-graphy)을 대상으로 하였으며, 각 촬영방법에 대한 오차를 비교하였다. 연구결과 상대적으로 큰 변형률에서 오차가 커지는 것을 확인하였으나, 3차원 변형 계측에 대한 적용성을 확인하였다.
철근의 응력수준에 따른 종방향 변형률 분포 및 이에 대한 변화를 비교하기 위하여 본 연구에서 수행한 철근의 종방향 변형률 분포를 응력단계별로 비교하였다. Fig.
Cintron and Saouma(2008)은 Vic-2D 라는 이미지 상관관계를 이용한 변형률 계측에 대한 연구를 수행하였다. 해당 연구에서 시편 표면에 분사한 검정색 점들의 패턴을 사용하였고, 이를 이용하여 시편의 전체 표면에 대한 변형률 계측과 2 차원 변형률도를 제시하고자 하였다. 그러나 연구결과 실험체 표면에 균열이 발생한 이후에는 이미지 상관관계가 불가능하다는 점을 확인하였다.
대상 데이터
1축 인장상태에서의 철근의 변형률 계측은 철근 표면에 부착된 타겟을 이용한 이미지 프로세싱 방법을 활용하였다. 이미지 프로세싱을 위하여 직경 4 mm의 반구형 타겟을 표점구간 내에 10 mm 간격으로 총 21개를 부착하였다. 타겟의 부착에는 기존 변형률 게이지를 부착할 때 사용하는 것과 동일한 접착제를 사용하였다.
본 연구에서는 1축인장 상태에서의 철근의 극한거동과 변형률 분포 및 넥킹구간의 거동에 대한 평가를 위하여 인장시험을 수행하였다. 인장시험은 ASTM A 615 기준에 따라 생산된 Grade 60의 D22와 D29 철근을 대상으로 하였다. 인장시험은 ASTM A370 기준에 따라 수행되었다.
타겟의 부착에는 기존 변형률 게이지를 부착할 때 사용하는 것과 동일한 접착제를 사용하였다. 촬영에는 2012년도에 출시된 SONY NEX-5R 디지털 카메라를 사용하였고, 16백만 화소(4912x3264 픽셀)의 크기로 매 2초 마다 등간격으로 촬영하였다. 촬영된 사진과 실물의 크기 비율(scale factor)은 약 0.
데이터처리
본 연구에서 적용한 이미지 프로세싱 방법의 정확도에 대한 평가를 위하여 변형률 게이지를 이용하여 계측된 결과와의 비교를 수행하였다. Fig.
이론/모형
따라서 본 연구에서 적용한 이미지 프로세싱 방법에서는 철근에 부착된 타겟과 로드셀에서 계측되는 현재 하중 값을 하나의 영상 안에 동시에 촬영하도록하였다. 그리고 촬영된 하중 값에 대해서는 영상분석 단계에서 광학문자인식(Optical Character Recognition:OCR) 알고리즘(Smith et al., 2009)을 이용하여 수치화하였다. Fig.
인장시험은 ASTM A 615 기준에 따라 생산된 Grade 60의 D22와 D29 철근을 대상으로 하였다. 인장시험은 ASTM A370 기준에 따라 수행되었다. 따라서 모든 시편의 표점거리 기준은 200 mm로 설정하였고, 표점거리의 기준점에서 인장그립까지의 여유거리는 1D로 하였다.
성능/효과
해당 연구는 변형가능한 패턴과 고정된 패턴이 유사하다는 결과를 얻었다. 결과적으로 이미지 상관관계에서 패턴의 종류에 따른 영향보다는 과도한 변형에 따른 패턴의 상관성 저하가 결과분석에 더 큰 영향을 미치는 것을 확인하였다.
상기 거론한 이전 연구결과로부터 이미지 상관관계 방법이 변형률과 변위계측에 있어 매우 유용한 방법임을 확인할 수 있었다. 그러나 공통적으로, 대상 시험체 형상이나 표면상태에 과도한 변형이 발생하게 되면, 계측 오차가 증가한다는 사실을 확인할 수 있었다. 따라서 철근과 같이 넥킹 구간에서 과도한 변형이 발생하는 시험체에서 좀 더 안정적인 변형률 계측을 위해서는 이미지 상관관계 방법보다는 시험체 표면에 부착된 타겟을 이용한 방법이 더 적합할 것으로 판단된다.
해당 연구에서 시편 표면에 분사한 검정색 점들의 패턴을 사용하였고, 이를 이용하여 시편의 전체 표면에 대한 변형률 계측과 2 차원 변형률도를 제시하고자 하였다. 그러나 연구결과 실험체 표면에 균열이 발생한 이후에는 이미지 상관관계가 불가능하다는 점을 확인하였다.
2)에 따라 철근의 넥킹구간이나 파단시점에서의 변형률 측정은 불가능하였다. 그러나 이미지 프로세싱 방법을 이용하여 철근의 변형률을 계측한 결과, 초기 탄성구간 뿐만 아니라 0.5 이상의 매우 큰 변형률이 발생하는 넥킹구간에서도 계측이 원활하게 수행되는 것을 확인할 수 있었다.
극한상태에서의 변형률 분포와 파단시점에서의 변형률 분포 차이를 통하여, 넥킹구간은 직경의 약 3배 정도의 길이를 갖는 것을 가늠해볼 수 있었다. 그리고 극한상태에서 파단으로 넘어가는 과정에서 대부분의 변형은 넥킹구간에서 발생하는 것을 확인할 수 있었다. 따라서 1축 인장시험으로 평가되는 철근의 극한변형률 및 파단변형률은 표점구간 내에서 넥킹구간의 위치와 넥킹구간이 표점구간에서 차지하는 비중, 그리고 넥킹구간에서의 최대 변형률에 큰 영향을 받을 것으로 판단된다.
초기 탄성구간에서의 응력상태에서부터 극한상태까지의 변형률 분포를 살펴보면 철근마디의 영향에 따라 변형률의 분포가 종방향 위치에 따라 증감을 반복하는 형태를 보였다. 극한상태에서의 변형률 분포와 파단시점에서의 변형률 분포 차이를 통하여, 넥킹구간은 직경의 약 3배 정도의 길이를 갖는 것을 가늠해볼 수 있었다. 그리고 극한상태에서 파단으로 넘어가는 과정에서 대부분의 변형은 넥킹구간에서 발생하는 것을 확인할 수 있었다.
그리고 극한상태에서 파단으로 넘어가는 과정에서 대부분의 변형은 넥킹구간에서 발생하는 것을 확인할 수 있었다. 따라서 1축 인장시험으로 평가되는 철근의 극한변형률 및 파단변형률은 표점구간 내에서 넥킹구간의 위치와 넥킹구간이 표점구간에서 차지하는 비중, 그리고 넥킹구간에서의 최대 변형률에 큰 영향을 받을 것으로 판단된다. 본 연구에서 적용한 이미지 프로세싱 방법은 넥킹구간과 넥킹구간 이외의 구간에서의 변형률을 구분하여 평가할 수 있는 장점이 있어, 추후 철근의 파단거동 특성에 대한 연구에서 보다 상세한 평가가 가능할 것으로 기대된다.
075이상인 경우(Class C), 연성조건에 만족한다고 규정하고 있다. 따라서 본 연구에서 시험한 철근의 경우 모두 약 2배 이상의 변형률을 가지며 연성조건에 만족하는 것을 확인할 수 있었다. 파단변형률은 0.
또한 불규칙한 위치에서 발생하는 넥킹구간의 특성 때문에 변형률 게이지를 넥킹발생위치에 정확하게 부착하기 어렵다는 것을 알수 있었다. 그러나 만약에 넥킹발생위치와 변형률 게이지의 부착위치가 일치하더라도, 앞 절에서 살펴본 이미지 프로세싱 결과에 따르면 넥킹구간에서는 0.
상기 결과에 따라 기존 변형률 게이지는 철근의 한계상태 변형률 측정에 부적합함을 알 수 있었고, 넥킹구간 평가를 위해서는 불확실성을 고려하여 많은 수의 변형률 게이지가 부착되어져야 함을 알수 있었다. 반면에 본 연구에서 적용한 이미지 프로세싱 방법의 경우 기존 변형률 게이지의 단점을 보완할 수 있었으며, 정확도 측면에서도 동등한 수준의 계측이 가능함을 알 수 있었다. 또한 비교적 손쉽게 부착이 가능하여 부착자의 순련도에 따른 오차도 개선이 가능할 것으로 판단된다.
상기 거론한 이전 연구결과로부터 이미지 상관관계 방법이 변형률과 변위계측에 있어 매우 유용한 방법임을 확인할 수 있었다. 그러나 공통적으로, 대상 시험체 형상이나 표면상태에 과도한 변형이 발생하게 되면, 계측 오차가 증가한다는 사실을 확인할 수 있었다.
상기 결과에 따라 기존 변형률 게이지는 철근의 한계상태 변형률 측정에 부적합함을 알 수 있었고, 넥킹구간 평가를 위해서는 불확실성을 고려하여 많은 수의 변형률 게이지가 부착되어져야 함을 알수 있었다. 반면에 본 연구에서 적용한 이미지 프로세싱 방법의 경우 기존 변형률 게이지의 단점을 보완할 수 있었으며, 정확도 측면에서도 동등한 수준의 계측이 가능함을 알 수 있었다.
7은 본 연구에서 적용한 OCR 결과의 예시를 나타낸 것 이다. 상기 기술한 일련의 과정들을 거쳐서 본 연구에서 목적으로 하는 철근의 한계상태변형률 측정이 가능하게 하였다.
첫째로 다수의 계측점에 대한 적용이 가능해야하고, 둘째로 비교적 좁은 구간(10 mm 내외)에 대한 계측이 가능해야한다. 셋째로 넥킹 또는 파단과 같은 모재의 대변형에 대한 계측이 가능해야하며, 마지막으로 시료의 구분없이 높은 적용성을 가져야 한다. 이러한 조건들을 만족하고, 기존 변형률 계측 방법의 단점을 개선하기 위한 새로운 계측 방법이 연구되고 있다.
주요 변수로 미세전산화단층촬영(micro-computed tomography)과 광학주사단층촬영(optical scanning tomo-graphy)을 대상으로 하였으며, 각 촬영방법에 대한 오차를 비교하였다. 연구결과 상대적으로 큰 변형률에서 오차가 커지는 것을 확인하였으나, 3차원 변형 계측에 대한 적용성을 확인하였다.
(2011)은 시료의 계측점에 타겟을 부착하고 타겟을 디지털 이미지로 취득하고 이미지 프로세싱을 이용하여 타겟의 변위를 계측하는 연구를 수행하였다. 연구결과를 통해서 타겟을 부착하는 방법이 기존의 변위계를 이용한 방법보다 적용성이 우수함을 확인할 수 있었고, 동등 수준의 정확도를 확인하였다.
넥킹구간의 변형률이 표점구간 평균 변형률의 약 3배 정도에 해당하는 크기를 나타내었다. 철근의 일부구간에서 넥킹현상이 발생한 이후에는 넥킹구간에 인접한 구간을 제외한 영역에서는 변형률의 증가가 매우 미소하고 변형률의 증가는 모두 넥킹구간에서 발생하는 것을 확인하였다. 이미지 프로세싱 방법을 통하여 철근의 국부적인 구간의 응력-변형률 관계를 확인할 수 있었으며, 각 구간별 차이를 비교할 수 있었다.
그러나 철근이 항복한 후, 변형경화구간의 시작부터 각 구간별 변형률이 차이를 나타내기 시작하였다. 최종적으로 `넥킹이 발생하는 구간에서 변형률이 다른 구간에 비해 매우 크게 발생하는 것을 확인할 수 있었다. 대부분의 시험체에서 넥킹구간에서 파단직전에 약 0.
따라서 본 연구에서 시험한 철근의 경우 모두 약 2배 이상의 변형률을 가지며 연성조건에 만족하는 것을 확인할 수 있었다. 파단변형률은 0.18~0.20 수준으로 나타나, ASTM A615에 정의된 최소 파단변형률(D22: 0.07, D29: 0.08)을 모두 만족하는 것을 확인하였다.
후속연구
기존의 변형률 게이지 및 신율계는 불규칙한 위치에서 발생하는 넥킹구간에 대한 별도의 측정이 어렵고, 측정한계에 대한 불확실성이 존재한다. 그러나 이미지 프로세싱 방법은 타겟의 촬영이 가능하다면 측정 가능한 변형률의 한도에 대한 제약을 해소할 수 있고, 비교적 손쉽게 타겟의 부착이 가능하기 때문에 다양한 위치에서 발생되는 변형률 측정에 활용하기 유리할 것으로 판단된다.
또한 기존의 신율계를 이용한 변형률 평가 방법은 표점구간 내에서의 평균변형률 만을 평가할 수 있으나, 이미지 프로세싱 방법은 표점구간의 평균변형률 뿐만 아니라 표점구간 내에서 세부구간별 평가가 용이한 장점을 갖고 있다. 따라서 이미지 프로세싱 방법을 이용할 경우 기존 연구에서 제약사항이 될 수 있었던변형률 계측 문제를 해소할 수 있어서 활용범위가 다양할 것으로 기대된다.
반면에 본 연구에서 적용한 이미지 프로세싱 방법의 경우 기존 변형률 게이지의 단점을 보완할 수 있었으며, 정확도 측면에서도 동등한 수준의 계측이 가능함을 알 수 있었다. 또한 비교적 손쉽게 부착이 가능하여 부착자의 순련도에 따른 오차도 개선이 가능할 것으로 판단된다.
마지막으로 향후 연구에서는 이미지 프로세싱 방법을 다양한 계측 대상과 환경에 적용하여 적용성에 대한 분석 및 문제점에 대한 도출이 필요하며, 이미지의 해상도에 따른 노이즈 문제를 해결하기 위한 방안과 연구가 필요할 것으로 생각된다.
따라서 1축 인장시험으로 평가되는 철근의 극한변형률 및 파단변형률은 표점구간 내에서 넥킹구간의 위치와 넥킹구간이 표점구간에서 차지하는 비중, 그리고 넥킹구간에서의 최대 변형률에 큰 영향을 받을 것으로 판단된다. 본 연구에서 적용한 이미지 프로세싱 방법은 넥킹구간과 넥킹구간 이외의 구간에서의 변형률을 구분하여 평가할 수 있는 장점이 있어, 추후 철근의 파단거동 특성에 대한 연구에서 보다 상세한 평가가 가능할 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
타겟을 인식하고 영상내에서 타겟의 위치를 파악하는 방법에는 무엇이 있는가?
타겟을 인식하고 영상내에서 타겟의 위치를 파악하는 방법은 크게 두 가지가 있다. 하나는 상관성(coherence) 분석을 통하여 영상 내에서 타겟과 가장 일치하는 위치를 산출하는 방법이고, 다른 하나는 영상 처리를 통하여 사용자가 원하는 타겟 만을 참값으로 표현하는 방법이다.
한계상태설계법은 어떻게 구분될 수 있는가?
유사한 개념의 한계상태설계법일지라도 각 나라마다 규정하는 바가 조금씩 다르다. 한계상태설계법은 크게 Eurocode-2를 기반으로 한 설계법과 AASHTO를 기반으로 한 설계법으로 구분된다. 미국의 AASHTO는 크게 부재단위의 경험식을 위주로 설계법이 제정되어 있다.
이미지 프로세싱을 이용한 변형률 계측에 관한 연구는 영상분석 방법에 따라 어떻게 구분될 수 있는가?
이미지 프로세싱을 이용한 변형률 계측에 관한 연구는 영상분석 방법에 따라 크게 세 가지로 구분될 수 있다.1) 촬영된 영상 내의 타겟과 같은 기하학적 요소를 추적하는 방법과2) 격자망을 이용한 방법, 그리고3) 이미지 상관관계(image correlation) 분석을 이용한 방법이 있다. Cintron and Saouma (2008)은 Vic-2D 라는 이미지 상관관계를 이용한 변형률 계측에 대한 연구를 수행하였다.
참고문헌 (11)
American Society for Testing and Materials International, Standard specification for deformed and plain carbon-steel bars for concrete reinforcement: ASTM A615/A615M-15; 2015.
American Society for Testing and Materials International, Standard test methods and definitions for mechanical testing of steel products: ASTM A370-14, 2014.
Barranger, Y., Doumalin, P., Dupre, J. C., Germaneau, (2012), A. Strain Measurement by Digital Image Correlation: Influence of Two Types of Speckle Patterns Made from Rigid or Deformable Marks. Strain, 48, 357-65.
Choi, H. S., Cheung, J. H., Kim, S. H., Ahn, J. H. (2011), Structural Dynamic Displacement Vision System Sing Digital Image Processing, NDT&E International, 44, 597-608.
Cintron, R., Saouma, V., (2008), Strain Measurement with the Digital Image Correlation System Vic-2D. Center for Fast Hybrid Testing NEES at CU Boulder.
Germaneau, A., Doumalin, P., Dupre, J. C. (2008), Comparison between X-ray Micro-computed Tomography and Optical Scanning Tomography for Full 3D Strain Measurement by Digital Volume Correlation, NDT&E International, 41, 407-15.
Kaur, A., and Kranti, B. V. (2012), Comparison between YCbCr Color Space and CIE Lab Color Space for Skin Color Segmentation. International Journal of Applied Information System, 30-36.
Lee, J. J., Shinozuka, M. (2006), Real-time Displacement Measurement of Flexible bridge using Digital Image Processing Techniques. Experimental Mechanics, 46(1), 105-14.
Smith, R., Antonova, D. and Lee, D. (2009), Adapting the Tesseract Open Source OCR Engine for Multilingual OCR. Proceedings of the International Workshop on Multilingual OCR 2009, Article No. 1.
Wahbeh, AMazen, Caffrey John P, Masri Sami F. (2003), A Vision-based Approach for the Direct Measurement of Displacements in Vibrating Systems, Smart Materials and Structures, 12(5), 785-94.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.