$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

딥러닝 및 영상처리 기술을 활용한 콘크리트 균열 검출 방법
A Method for Detecting Concrete Cracks using Deep-Learning and Image Processing

大韓建築學會論文集. Journal of the architectural institute of korea. 構造系, v.35 no.11 = no.373, 2019년, pp.163 - 170  

정서영 (광운대학교 대학원 건축공학과) ,  이슬기 (광운대학교 건축공학과) ,  박찬일 (광운대학교 대학원 전자통신공학과) ,  조수영 (광운대학교 대학원 전자통신공학과) ,  유정호 (광운대학교 건축공학과)

Abstract ▼ AI-Helper 아이콘AI-Helper

Most of the current crack investigation work consists of visual inspection using simple measuring equipment such as crack scale. These methods involve the subjection of the inspector, which may lead to differences in the inspection results prepared by the inspector, and may lead to a large number of...

주제어

#콘크리트 균열   #균열 검출   #딥러닝   #영상처리   #합성곱신경망  

참고문헌 (23)

  1. Byun, T., Kim, J., & Kim, H. (2006). The Recognition of Crack Detection Using Difference Image Analysis Method based on Morphology, Journal of the Korea Institute of Information and Communication Engineering, 10(1), 197-205. 

  2. Cha, Y., Choi, W., & Oral, B. (2017). Deep Learning­Based Crack Damage Detection Using Convolutional Neural Networks, Computer-Aided Civil and Infrastructure Engineering, 32(5), 361-378. 

    상세보기 crossref

  3. Chen, L., Jan, H., & Huang, C. (2001). Mensuration of Concrete Cracks Using Digitized Close-Range Photographs, The 22nd Asian conference of Remote Sensing, 5-9. 

  4. Cho, S., Kim, B., & Lee, Y. (2018). Image-Based Concrete Crack and Spalling Detection using Deep Learning, The Magazine of the Korean Sosiety of Civil Engineers, 66(8), 92-97. 

  5. Donglai, wei., Bolei, Whou., Antonio, Torralba., and William, T.Freema. (2015). "mNeuron: A Maltlab Plugin to Visualize neurons From Deep Models" 

  6. Joseph, R., Santosh, Divvala., Ross, G., & Ali, F. (2016). You Only Look Once: Unified, Real-Time Object Detection, The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 779-788. 

  7. Joseph, R., & Ali, F. (2017). YOLO9000: Better, Faster, Stronger, The IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 1-9. 

  8. Kim, A., Kim, D., Byun, Y., & Lee, S. (2018). Crack Detection of Concrete Structure Using Deep Learning and Image Processing Method in Geotechnical Engineering, Journal of the Korean Geotechnical Society, 34(12), 145-154. 

  9. Kim, K., Cho, J., & Ahn, S. (2005). A Thechnique for Image Processing of Concrete Surface Cracks, Journal of the Korea Institute of Information and Communication Engineering, 9(7), 1575-1581. 

  10. Kim, K., & Cho, J. (2010). Detection of Concrete Surface Cracks using Fuzzy Techniques, Journal of the Korea Institute of Information and Communication Engineering, 14(6), 1353-1358. 

    원문보기 상세보기 crossref

  11. Kim, J., & Cho, Y. (2002). Development of Crack Detection Program on Asphalt Pavement, Journal of the Korean Society Of Civil Engineers, 22(4D), 639-647. 

  12. Kim, J., Jung, Y., & Rhim, H. (2017). Study on Structure Visual Inspection Technology using Drones and Image Analysis Techniques, Journal of the Korean Institute of Building Construction, 17(6), 545-557. 

  13. K, Lenc., & A, Vedaldi. (2015). R-cnn minus r. arXiv preprintarXiv:1506.06981. 

  14. Kim, Y. (2016). Development of Crack Recognition System for Concrete Structure Using Image Processing Method, The Journal of Korean Institute of Information Technology, 14(10), 163-168. 

    상세보기

  15. Ko, K., & Sim, K. (2017). Trends in Object Recognition and Detection Using Deep Learning, Journal of Institute of Control, Robotics and Systems, 23(3), 17-24. 

  16. Lee, B., Kim, Y., & Kim, J. (2005). Development of Image Processing for Concrete Surface Cracks by Employing Enhanced Binarization and Shape Analysis Technique, Journal of the Korea Concrete Institute, 17(3), 361-368. 

    원문보기 상세보기 crossref

  17. Lee, J., & Kim, K. (2007). Extraction and Analysis of Crack on Concrete Surfaces Using Improved Image Processing Techniques, Proceeding of the Korea Intelligent Information Systems Society Conference, 365-372. 

  18. Lee, H., Kim, J., & Jang, I. (2012). Development of Automatic Crack Detection System for Concrete Structure Using Image Processing Method, Journal of The Korea Institute for Structural Maintenance and Inspection, 16(1), 64-78. 

    원문보기 상세보기 crossref

  19. R, B, Girshick. (2015). Fast R-CNN. CoRR, abs/1504.08083, 2015. 

  20. Son, B., & Lee, K. (2017). Crack Recognition of Sewer with Low Resolution using Convolutional Neural Network(CNN) Method, Journal of the Korean Society for Advanced Composite Structures, 8(4) 58-65. 

    상세보기

  21. Syed, I, H., Dang, L, M., Im, S., Min, K., Nam, J., & Moon, H. (2018). Damage Detection and Classification System for Sewer Inspection using Convolutional Neural Networks based on Deep Learning, Journal of the Korea Institute of Information and Communication Engineering, 22(3), 451-457. 

  22. S, Ren., K, He., R, Girshick., & J, Sun. (2015). Faster r-cnn: Towards real-time object detection with region proposal networks. arXiv preprint arXiv:1506.01497. 

  23. W. Liu, D. Anguelov, D. Erhan, C. Szegedy, & S. E. eed. (2015). SSD: single shot multibox detector. CoRR, abs/1512.02325. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로