$\require{mediawiki-texvc}$
  • 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

영상기반 딥러닝 및 이미지 프로세싱 기법을 이용한 볼트풀림 손상 검출

Bolt-Loosening Detection using Vision-Based Deep Learning Algorithm and Image Processing Method

초록

본 연구에서는 영상기반 딥러닝 및 이미지 프로세싱 기법을 이용한 볼트풀림 손상검출 기법을 제안하였다. 이를 위해 먼저, 딥러닝 및 이미지 프로세싱 기반 볼트풀림 검출 기법을 설계하였다. 영상기반 볼트풀림 검출 기법은 볼트 이미지 검출 과정 및 볼트풀림 각도 추정 과정으로 구성된다. 볼트 이미지의 검출을 위하여 RCNN기반 딥러닝 알고리즘을 이용하였다. 영상의 원근왜곡 교정을 위해 호모그래피 개념을 이용하였으며 볼트풀림 각도를 추정을 위하여 Hough 변환을 이용하였다. 다음으로 제안된 기법의 성능을 검증을 위하여 거더의 볼트 연결부 모형을 대상으로 볼트풀림 손상검출 실험을 수행하였다. 다양한 원근 왜곡 조건에 대하여 RCNN 기반 볼트 검출기와 Hough 변환 기반 볼트풀림 각도 추정기의 성능을 검토하였다.

Abstract

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 network(RCNN)-based deep learning algorithm and Hough line transform(HLT)-based image processing algorithm are designed. The RCNN-based deep learning algorithm is developed to identify and crop bolts in a connection image. The HLT-based image processing algorithm is designed to estimate the bolt angles from the cropped bolt images. Then, the proposed vision-based method is evaluated for verifying bolt-loosening detection in a lab-scale girder connection. The accuracy of the RCNN-based bolt detector and HLT-based bolt angle estimator are examined with respect to various perspective distortions.

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
볼트결함
볼트결함 문제의 원인에는 어떤 것들이 있는가?
볼트의 체결력 저하, 진동에 의한 풀림이나 탈락

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.

볼트풀림
기존의 볼트풀림 진단을 위한 기법들의 단점은 무엇인가?
볼트가 완전히 풀릴때 까지 확인할 수 없거나 점검자의 주관 및 경험에 대한 의존도가 높은 단점이 있다

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.

전이학습법
전이학습법의 특징은 무엇인가?
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

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.

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 :

원문 URL 링크

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

이 논문 조회수 및 차트

  • 상단의 제목을 클릭 시 조회수 및 차트가 조회됩니다.

DOI 인용 스타일

"" 핵심어 질의응답