[논문]차세대 고속열차의 레일표면 결함 검출 시스템

최우용; 김정연; 양일동

doi:10.5370/kiee.2017.66.5.870

차세대 고속열차의 레일표면 결함 검출 시스템
Rail Surface Defect Detection System of Next-Generation High Speed Train 원문보기

전기학회논문지 = The Transactions of the Korean Institute of Electrical Engineers, v.66 no.5, 2017년, pp.870 - 876

최우용 (Technology Development Department, 2iSYS Co., Ltd) , 김정연 (Technology Development Department, 2iSYS Co., Ltd) , 양일동 (2iSYS Co., Ltd)

Abstract ▼ AI-Helper

In this paper, we proposed the automatic vision inspection system using multi-layer perceptron to detect the defects occurred on rail surface. The proposed system consists of image acquisition part and analysis part. Rail surface image is acquired as equal interval using line scan camera and lighting. Mean filter and dynamic threshold is used to reduce noise and segment defect area. Various features to characterize the defects are extracted. And they are used to train and distinguish defects by MLP-classifier. The system is installed on HEMU-430X and applied to analyze the rail surface images acquired from Honam-line at high speed up to 300 km/h. Recognition rate is calculated through comparison with manual inspection results.

주제어

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 고해상도의 등간격 선로 영상을 수집하고, 영상처리를 통해 얻어진 레일표면의 결함 후보군을 다층 퍼셉트론 분류기로 분류하는 레일표면 결함 검출 시스템에 대하여 기술하였다.

제안 방법

본 논문에서는 차륜에 설치된 타코메타로부터 검측차량의 주행정보를 수집함으로써 시설물에 대한 검측 위치정보를 받으며, 고해상도(픽셀 분해능 0.4 mm 이하)의 등 간격선로 영상을 수집함으로써 정확한 결함의 크기를 영상처리를 통해 판단하고, 레일 표면의 결함을 추출하기 위해 평균 필터와 동적 쓰레쉬홀드를 이용하여 결함에 대한 정보를 추려냈다. 그 후 추려낸 정보 중 노이즈성 결함과 실제 결함에 대한 분류를 다층 퍼셉트론 분류기(Multi-layer perceptron classifier)를 이용하는 레일표면 결함검출 시스템에 대하여 기술하였다[1][2][3].

대상 데이터

RIID는 다수의 코어를 이용하여 병렬처리를 수행하고 실시간으로 영상을 분석하는 시스템을 구축하였다. 레일표면 결함 검출 성능을 평가하기 위해 호남선의 정읍역에서 충북선의 오송역까지의 구간 중 16.79 km에 해당하는 구간을 테스트 구간으로 선정하였으며, 선정된 구간의 영상에서 결함에 대한 정보를 찾기 위해 육안검사를 수행하였고, 찾은 결함의 수와 RIID에서 검지한 레일표면 결함 검출 정보를 비교하여 인식률을 검증하였다. 표 3은 사용된 데이터의 정보 및 처리속도를 산출한 것이다.
표 2에서 학습에 사용된 입력 수와 은닉층의 수는 최적화 알고리즘을 이용하여 설정된 값이 아닌 모든 입력데이터와 학습 시오버피팅이 되지 않을 적은 수의 은닉층 수를 선정하였다. 학습에 사용된 결함 및 비결함 영상의 데이터 셋은 그림 12와 같은 결함들로부터 특징을 추출하였고, 결함 150개, 노이즈성 결함 150개로 구성하여 학습을 수행하였다.

이론/모형

본 연구에서는 인공지능 기술 중 하나인 MLP를 이용하였다. 학습에 이용된 특징은 그림 11과 같다.

성능/효과

38 ms에 불과하다. 레일표면에 대한 결함 검출율은88.17% 성능을 보였고, 오인식이나 미인식과 같은 경우 지속적인 데이터 축적과 학습데이터 갱신, 그리고 최적화 알고리즘을 이용하여, 학습에 사용된 파라미터최적화 등으로 시스템의 성능을 향상시킬 수 있다. 본 논문에서 제시한 300 km/h 이상에서 운용되는 유사 시스템은 존재하나, 객관적인 성능 비교를 위한 인식률이 기재되어있지 않아 비교분석이 불가하였다.
연구목표에 따라 레일표면 결함 검출 시스템은 300 km/h 속도에서 운용이 가능하도록 설계 개발하였으며, 결함에 대한 분석속도는 17.38 ms에 불과하다. 레일표면에 대한 결함 검출율은88.

후속연구

더 나아가 선로에 있는 침목, 체결구등과 같은 시설물에 대한 분석 또한 진행하여, 선로에 대한 안전성과 철도교통의 신뢰성을 향상시키도록 할 것이며, 해외에 의존하고 있는 검측 분야의 국산화를 통해 철도기술의 진보를 이루고자 한다.
본 논문에서 제시한 300 km/h 이상에서 운용되는 유사 시스템은 존재하나, 객관적인 성능 비교를 위한 인식률이 기재되어있지 않아 비교분석이 불가하였다. 마지막으로 미인식의 경우, 레일표면의 녹이 슨 부분과 결함이 분간이 가지 않아 결함을 인식하지 못하는 문제가 있었으나, 주변 노이즈성 결함들을 제거할 수 있는 조명을 사용함으로써 보완이 될 것으로 보인다.

질의응답

핵심어	질문	논문에서 추출한 답변
	비접촉식 시설물 검측 시스템은 어떤 방식의 영상처리기술을 사용하고 있는가?	특히, 선로 위 의 많은 작업인력 투입 및 작업시간 부족, 그리고 선로의 단선이 이루어진 새벽시간 때에만 작업을 할 수 있다는 단점으로 인해 차량이 운용중인 시간대에도 철도 시설물의 유지보수가 가능한 시스템을 필요로 하는 실정이다. 이에 부합되는 비접촉식 시설물 검측 시스템은 대부분 레이저, 조명, 2D 그리고 3D 카메라 방식의 영상처리기술을 사용하고 있다.
	철도 시설물 유지보수의 단점은?	철도 시설물 유지보수는 자동화 및 IT 기술을 접목하는 것이 세계적인 기술개발 추세로 볼 수 있다. 특히, 선로 위 의 많은 작업인력 투입 및 작업시간 부족, 그리고 선로의 단선이 이루어진 새벽시간 때에만 작업을 할 수 있다는 단점으로 인해 차량이 운용중인 시간대에도 철도 시설물의 유지보수가 가능한 시스템을 필요로 하는 실정이다. 이에 부합되는 비접촉식 시설물 검측 시스템은 대부분 레이저, 조명, 2D 그리고 3D 카메라 방식의 영상처리기술을 사용하고 있다.
	실시간으로 시설물들의 결함을 검측할 수 있는 시스템을 개발함으로써 얻는 이점은?	그리고 고속 종합검측 시스템 기술개발을 위해 최대시속 300 km/h로 주행하며 실시간으로 시설물들의 결함을 검측할 수 있는 시스템을 개발 중에 있다. 철도 시설물 자동 검측 장비 개발을 통해 방대한 철도시설물을 효과적으로 관리하고, 장애 및 사고의 발생 우려가 있는 설비를 사전에 인지함으로서 유지관리 시스템의 효율을 향상시킬 수 있으며 이는 궁극적으로 고속철도 안전 및 고밀도 운전을 크게 개선시킬 수 있는 장점이 있다. 또한 승객들의 안전성과 승차감이 향상됨으로써 철도교통의 신뢰성을 향상 시킬 수 있다.

참고문헌 (12)

J. Chen, C. Roberts, and P. Weston, "Fault detection and diagnosis for railway track circuits using neurofuzzy systems.", Control Engineering Practice, vol. 16, no. 5, pp. 585-596, 2008.

상세보기
R. J. Hill, and D. C. Carpenter, "Rail track distributed transmission line impedance and admittance: theoretical modeling and experimental results.", IEEE Transactions on Vehicular Technology, vol. 42, no. 2, pp. 225-241, 1993.

상세보기
L. Jie, L. Siwei, L. Qingyong, Z. Hanqing, and R. Shengwei, "Real-time rail head surface defect detection: A geometrical approach.", Proceedings of the IEEE International Symposium on Industrial Electronics, vol. 5, no. 5, pp. 769-774, July 2009.
J. Korbicz, "Advances in fault diagnosis systems.", Proc. 10th IEEE Int. Conf. on Methods and Models in Automation and Robotics MMAR, pp. 725-33, 2004.
V. N. Ghate, and S. V. Dudul, "Optimal MLP neural network classifier for fault detection of three phase induction motor.", Expert Systems with Applications, vol. 37, no. 4, pp. 3468-3481, 2010.

상세보기
Z. Liu, W. Wang, X. Zhang, and W. Jia, "Inspection of rail surface defects based on image processing," International Asia Conference on In Informatics in Control, Automation and Robotics, vol. 1, pp. 472-475, 2010.
C.M. Bishop, "Neural Networks for Pattern Recognition", Oxford university Press edition, 1995.
A. Debiolles, L. Oukhellou, and P. Aknin, "Combined use of Partial Least Squares regression and neural network for diagnosis tasks", in Proc. Intern. Conf. on Pattern Recognition ICPR'04, Cambridge, 2004.
Z. Zhang, "Feature-Based Facial Expression Recognition: Sensitivity Analysis and Experiments with a Multilayer Perceptron.", Int'l J. Pattern Recognition and Artificial Intelligence, vol. 13, no. 6, pp. 893-911, 1999.

상세보기
G. Sivaram and H. Hermansky, "Sparse multilayer perceptron for phoneme recognition," IEEE Trans. Audio Speech Lang. Processing, vol. 20, no. 1, pp. 23-29, Jan. 2012.

상세보기
G. E. Hinton and R. Salakhutdinov, "Reducing the dimensionality of data with neural networks," Science, vol. 313, no. 5786, pp. 504-507, 2006.

상세보기
S. H. Ryu, and J. H. Hong, "A Study on Overall Measurement System Development of HEMU-400X.", Journal of the Korean Society for Railway, vol. 14, no. 6, pp. 484-488, Dec. 2011.

원문보기 상세보기

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증