최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국전산구조공학회논문집 = Journal of the computational structural engineering institute of Korea, v.32 no.4, 2019년, pp.265 - 272
이소영 (부경대학교 해양공학과) , 현탄칸 , 박재형 ((주)씨앤에스솔루션) , 김정태 (부경대학교 해양공학과)
In this paper, a vision-based deep learning algorithm and image processing method are proposed to detect bolt-loosening in steel connections. To achieve this objective, the following approaches are implemented. First, a bolt-loosening detection method that includes regional convolutional neural netw...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
볼트결함 문제의 원인에는 어떤 것들이 있는가? | 한국도로공사의 보고에 따르면 운영 중인 강교량의 33.3%에서 볼트결함 문제가 발견되었고 그 원인으로는 볼트의 체결력 저하, 진동에 의한 풀림이나 탈락에 의한 것이 58.1%로 가장 많은 비중을 차지하였다. | |
기존의 볼트풀림 진단을 위한 기법들의 단점은 무엇인가? | 현재, 볼트풀림 진단을 위한 기법에는 육안점검, 해머 타격법, 토크법 등이 이용되고 있으며, 상시볼트풀림 모니터링을 위한 기법에는 음탄성법(acoustoelastic), 유도파법(guided wave), 전기역학적 임피던스(elasto-mechanical impedance), 너트의 회전각 측정법, 전위차를 이용한 기법들이 제안되었다. 하지만 기존의 기법들은 볼트가 완전히 풀릴때 까지 확인할 수 없거나 점검자의 주관 및 경험에 대한 의존도가 높은 단점이 있다. | |
전이학습법의 특징은 무엇인가? | RCNN 기반 볼트 검출기는 신경망 훈련을 위해 전이학습법 (transfer learning)을 채택하였다. 전이학습법은 대량의 훈련 이미지로 사전 훈련(pre-train)하고 이를 새로운 검출 과제 해결을 위한 시작점으로 활용함에 따라, 훈련 데이터 수와 훈련 시간을 크게 줄일 수 있다는 장점이 있다. 볼트 검출기는 CIFAR-10 데이터 세트(Krizhevsky et al. |
Abdeljaber, Osama, Avci, Onur, Kiranyaz, Mustafa Serkan, Boashash, Boualem, Sodano, Henry, Inman, Daniel J.. 1-D CNNs for structural damage detection: Verification on a structural health monitoring benchmark data. Neurocomputing, vol.275, 1308-1317.
Cha, Young‐Jin, Choi, Wooram, Büyüköztürk, Oral. Deep Learning‐Based Crack Damage Detection Using Convolutional Neural Networks. Computer-aided civil and infrastructure engineering, vol.32, no.5, 361-378.
Cha, Young-Jin, You, Kisung, Choi, Wooram. Vision-based detection of loosened bolts using the Hough transform and support vector machines. Automation in construction, vol.71, no.2, 181-188.
Gu, Jiuxiang, Wang, Zhenhua, Kuen, Jason, Ma, Lianyang, Shahroudy, Amir, Shuai, Bing, Liu, Ting, Wang, Xingxing, Wang, Gang, Cai, Jianfei, Chen, Tsuhan. Recent advances in convolutional neural networks. Pattern recognition, vol.77, 354-377.
Janssens, O., Slavkovikj, V., Vervisch, B., Stockman, K., Loccufier, M., Verstockt, S., Van de Walle, R., Van Hoecke, S.. Convolutional Neural Network Based Fault Detection for Rotating Machinery. Journal of sound and vibration, vol.377, 331-345.
Park, Jae-Hyung, Huynh, Thanh-Canh, Choi, Sang-Hoon, Kim, Jeong-Tae. Vision-based technique for bolt-loosening detection in wind turbine tower. Wind & structures, vol.21, no.6, 709-726.
Zhao, Xuefeng, Zhang, Yang, Wang, Niannian. Bolt loosening angle detection technology using deep learning. Structural control and health monitoring, vol.26, no.1, e2292-.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.