$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

드론영상을 이용한 물체탐지알고리즘 기반 도로균열탐지

Road Crack Detection based on Object Detection Algorithm using Unmanned Aerial Vehicle Image

초록

본 연구에서는 대전광역시 주요 간선도로인 유성대로를 대상으로 드론을 통해 취득한 노면 영상데이터를 기반으로 물체탐지알고리즘(Object Detection algorithm) 가운데 Tiny-YOLO-V2와 Faster-RCNN을 활용하여 아스팔트 도로노면의 균열을 인식, 균열유형을 구분하고 실험 결과차이를 비교하였다. 분석결과, Faster-RCNN의 mAP는 71%이고 Tiny-YOLO-V2의 mAP는 33%로 측정되었으며, 이는 1stage Detection인 YOLO계열 알고리즘보다 2Stage Detection인 Faster-RCNN 계열의 알고리즘이 도로노면의 균열을 확인하고 분리하는데 더 좋은 성능을 보인다는 것을 확인하였다. 향후, 드론과 인공지능형 균열검지시스템을 이용한 도로자산관리체계(Infrastructure Asset Management) 구축방안 마련을 통해 효율적이고 경제적인 도로 유지관리 의사결정 지원 시스템 구축 및 운영 환경을 조성할 수 있을 것이라 판단된다.

Abstract

This paper proposes a new methodology to recognize cracks on asphalt road surfaces using the image data obtained with drones. The target section was Yuseong-daero, the main highway of Daejeon. Furthermore, two object detection algorithms, such as Tiny-YOLO-V2 and Faster-RCNN, were used to recognize cracks on road surfaces, classify the crack types, and compare the experimental results. As a result, mean average precision of Faster-RCNN and Tiny-YOLO-V2 was 71% and 33%, respectively. The Faster-RCNN algorithm, 2Stage Detection, showed better performance in identifying and separating road surface cracks than the Yolo algorithm, 1Stage Detection. In the future, it will be possible to prepare a plan for building an infrastructure asset-management system using drones and AI crack detection systems. An efficient and economical road-maintenance decision-support system will be established and an operating environment will be produced.

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
Faster-RCNN
Faster-RCNN 알고리즘은 다른 말로 무엇이라고 하는가?
2Stage-Detection 알고리즘

Faster-RCNN은 RCNN계열 중 RPN(Region Proposal Network가 포함된 알고리즘)으로 2Stage-Detection 알고리즘이라고 하며 이미지가 들어오면 우선 CNN으로 학습을 하여 Feature Map을 만들어낸다. 생성된 Feature Map을 RPN으로 학습하여 Region Proposal을 만들어낸다.

도로의 균열
도로의 균열 분석을 위해 사용한 방식은?
CNN 기반으로 분석

(2018)은 주행하는 차량에 부착한 스마트폰을 통해 이미지를 취득하고 도로의 균열 유형별로 인식하여 구분하고자 하였다. CNN 기반으로 분석을 수행하였으며, 평균 75% 이상의 높은 검출율을 보이는 것으로 나타났다([Fig. 2] 참조).

도로관리시스템
현재 도로관리시스템의 한계는 무엇인가?
도로관리시스템은 상태 모니터링을 위한 차량 가액만 5억에서 15억에 달하고 후처리 후 수동검사에 의존하기 때문에 비용이 많이 들어 지자체가 관리하는 도로에 적용이 어려움이 있다. 또한, 도심지 및 지방도에 대한 포장의 상태 모니터링, DB구축, 예산 확보 근거 등에 대한 구체적인 방법론 및 시스템 구축에 대한 노력이 절대적으로 부족한 현실이다.

현재의 도로관리시스템은 상태 모니터링을 위한 차량 가액만 5억에서 15억에 달하고 후처리 후 수동검사에 의존하기 때문에 비용이 많이 들어 지자체가 관리하는 도로에 적용이 어려움이 있다. 또한, 도심지 및 지방도에 대한 포장의 상태 모니터링, DB구축, 예산 확보 근거 등에 대한 구체적인 방법론 및 시스템 구축에 대한 노력이 절대적으로 부족한 현실이다. 이와 같은 문제점을 해결하기 위해 기존 MMS(Mobile Mapping System)장비를 활용한 도로 노면의 크랙을 인식하는 연구를 진행하였지만, 노면상태 조사시에 하나의 차로만 가능하고 버스전용차로는 조사가 불가능하다는 문제점이 있었다.

질의응답 정보가 도움이 되었나요?

참고문헌 (0)

  1. 이 논문의 참고문헌 없음

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

원문보기

원문 PDF 다운로드

  • ScienceON :
  • KCI :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. 원문복사서비스 안내 바로 가기

상세조회 0건 원문조회 0건

DOI 인용 스타일

"" 핵심어 질의응답