[논문]색상에 기반한 영상분석기법을 이용한 콘크리트 거더의 휨 거동 분석

우태련; 정치영; 김인태; 이종한; 정진환

doi:10.11112/jksmi.2020.24.4.48

[국내논문] 색상에 기반한 영상분석기법을 이용한 콘크리트 거더의 휨 거동 분석
Evaluation of the Bending Behavior of RC beam by Using Color-based Image Processing Method 원문보기

한국구조물진단유지관리공학회 논문집 = Journal of the Korea Institute for Structural Maintenance and Inspection, v.24 no.4, 2020년, pp.48 - 54

우태련 (부산대학교 사회환경시스템공학과) , 정치영 ((주)제이원산업 기술연구소) , 김인태 (부산대학교 사회환경시스템공학과) , 이종한 (인하대학교 사회인프라공학과) , 정진환 (부산대학교 사회환경시스템공학과)

초록
AI-Helper

철근콘크리트 구조물에서 균열은 가장 대표적인 손상 유형으로써 구조물의 파괴거동특성 파악을 위한 중요한 분석자료로 활용되고 있다. 현재 균열조사는 대부분 육안조사에 의존하고 있으며, 이에 대한 개선을 위해서 많은 연구자들이 영상분석기법을 제안하고 있다. 본 연구에서는 영상분석기법을 활용하여 실내 실험수준에서 적용하기 위한 균열평가 방법을 제안하였다. 색상을 이용한 영상분석 기법은 영상내 존재하는 객체들 간의 경계면을 구분하기 위한 것으로 사전에 정의된 색상을 기준으로 비슷한 색상들을 하나의 영역으로 분리하기 위한 방법이다. 본 연구에서는 영상분석의 정확도를 향상시키기 위해서 콘크리트 표면에 파랑색 페인트를 도포하고 휨 실험을 수행하였다. 영상분석결과 균열확대경 대비 우수한 정확도의 균열폭 측정이 가능하였고, 동시에 보의 처짐 역시 분석이 가능하였다. 균열과 처짐 모두 기존 계측방법과 유사한 정확도를 확인할 수 있었으며, 계측 용이성 측면에서 영상분석기법이 매우 우수함을 알 수 있었다.

Abstract ▼ AI-Helper

Cracks in reinforced concrete structures are the most common type of damage and are used as important analytical data to understand the fracture behavior characteristics of structures. Currently, there is a problem that most of the crack investigation relies on visual inspection, therefore many researchers have proposed image analysis techniques to improve the problem. In this study, we proposed a crack evaluation method to be applied at an indoor experimental level using image analysis method. The image analysis technique using color is for distinguishing a boundary surface between objects existing in an image, and is a method for separating similar colors into one region based on a predefined color. In this study, to improve the accuracy of image analysis, blue paint was applied to the concrete surface and bending experiments were performed. The image analysis method was able to measure the crack width with superior accuracy compared to the crack diameter, and at the same time, it was also possible to analyze the deflection of the beam. Both the crack and deformation were able to confirm the accuracy similar to the existing measurement method, and it was found that the image analysis method was very excellent in terms of applicability.

Keyword

표/그림 (15)

그림 Fig. 1 Algorithm of image processing method
그림 Fig. 2 Color spaces
그림 Fig. 3 Coordinate of targets obtained by left camera [Pixel]
그림 Fig. 4 Image used for evaluating image distortion
그림 Fig. 5 Deviation of the diameter of the target group
그림 Fig. 6 specimen shape [mm]
그림 Fig. 7 Background and targets
그림 Fig. 8 Test and measurement set-up
표 Table 1 Material test result
그림 Fig. 9 Result of concrete crack analysis using IPM
그림 Fig. 10 Closeup of cracked part
표 Table 2 Crack width of specimens (IPM vs. Crack Meter)
그림 Fig. 11 Load-crack width (IPM vs. Crack meter)
그림 Fig. 12 Load-deflection (IPM vs. LVDT)
표 Table 3 Deflection of specimens according to load step

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

노이즈가 줄어들게 되면 영상에 대한 필터링과 분석과정에서 소요되는 연산시간을 줄일 수 있어서 기존 회색조 기반의 영상분석기법보다 유리한 장점을 갖는다. 본 연구에서는 색상에 기반한 영상분석 기법을 이용하여 철근콘크리트 구조물에서 균열을 찾고자 한다. 철근콘크리트 거더를 제작하고 표면을 색깔 페인트로 칠한 다음 균열과 일반 표면을 구분하기 용이하게 하였다.
본 연구에서는 색상에 기반한 영상분석 기법(Image Processing Method, IPM)을 이용한 균열 탐색 및 하중단계별 변형형상 계측을 위하여 철근콘크리트 보에 대한 3점 휨시험을 수행하였다. 시험체에 적용된 재료 특성은 Table 1과 같고, 그 값은 콘크리트 압축강도 시험과 철근의 1축 인장시험 각각 3회씩 수행하여 나온 평균값을 나타낸 것이다.
본 연구에서는 색상에 기반한 영상분석 기법을 이용한 철근콘크리트 구조물의 균열 탐색 및 변형 분석을 위하여 철근 콘크리트 T형 보를 상대로 3점 휨 시험을 수행하였다. 영상분석 기법은 기존의 회색조 영상을 사용하는 방법과 달리 칼라 영상을 활용하여 동일한 객체들을 추출하는 방법을 적용하였다.

제안 방법

본 연구에서는 색상에 기반한 영상분석 기법을 이용하여 철근콘크리트 구조물에서 균열을 찾고자 한다. 철근콘크리트 거더를 제작하고 표면을 색깔 페인트로 칠한 다음 균열과 일반 표면을 구분하기 용이하게 하였다. 하중재하 시 발생되는 균열발생 과정을 촬영하여 영상분석을 통한 균열형상 및 균열폭을 평가하였다.
철근콘크리트 거더를 제작하고 표면을 색깔 페인트로 칠한 다음 균열과 일반 표면을 구분하기 용이하게 하였다. 하중재하 시 발생되는 균열발생 과정을 촬영하여 영상분석을 통한 균열형상 및 균열폭을 평가하였다. 이를 균열확대경을 이용한 평가방법과 비교하여 시도된 방법의 정확도를 평가하였다.
하중재하 시 발생되는 균열발생 과정을 촬영하여 영상분석을 통한 균열형상 및 균열폭을 평가하였다. 이를 균열확대경을 이용한 평가방법과 비교하여 시도된 방법의 정확도를 평가하였다. 또한 실험체 표면에 등간격으로 타겟을 부착하고 해당 타겟을 이용하여 실험체의 하중단계별 변형형상을 계측하였다.
이를 균열확대경을 이용한 평가방법과 비교하여 시도된 방법의 정확도를 평가하였다. 또한 실험체 표면에 등간격으로 타겟을 부착하고 해당 타겟을 이용하여 실험체의 하중단계별 변형형상을 계측하였다.
, 2018). 본 연구에서는 Fig. 1에 도시한 색상 기반의 영상 분석 기법을 사용하였다.
색상을 이용한 영상분석 기법은 영상 내 존재하는 객체들 간의 경계면을 구분하기 위한 것으로 사전에 정의된 색상들을 기준으로 비슷한 색상들을 하나의 영역으로 분리한다. 이를 위해서 영상 내 각 픽셀들의 색상정보가 관심대상의 색상과 얼마나 가까운가를 산정한다. 디지털영상에서는 RGB 색상공간이 가장 보편적으로 사용된다.
본 연구에서 영상 취득을 위해 사용한 디지털 카메라의 영상 왜곡 정도를 알아보기 위하여 Fig. 4와 같이 직경이 5mm인 원형 타겟을 3⨯3 형태로 그룹을 지어 영상의 중앙부, 가장자리부 등 5행 5열의 배치로 고루 분포를 시켜 촬영을 하고 동일한 방법으로 이미지 분석을 실시하여 테스트를 수행하였다. 위에서 언급한 바와 같이 타겟의 직경은 픽셀 개수로서 표현하였으며 5mm로 모두 동일한 직경을 가진 원형 타겟의 영상 분석 후 얻어진 직경이 분석 후에 위치에 따라 얼마만큼의 편차를 가지는지 알아보았다.
4와 같이 직경이 5mm인 원형 타겟을 3⨯3 형태로 그룹을 지어 영상의 중앙부, 가장자리부 등 5행 5열의 배치로 고루 분포를 시켜 촬영을 하고 동일한 방법으로 이미지 분석을 실시하여 테스트를 수행하였다. 위에서 언급한 바와 같이 타겟의 직경은 픽셀 개수로서 표현하였으며 5mm로 모두 동일한 직경을 가진 원형 타겟의 영상 분석 후 얻어진 직경이 분석 후에 위치에 따라 얼마만큼의 편차를 가지는지 알아보았다. 편차의 결과는 Fig.
5의 픽셀 수로 나타났으며 픽셀 수의 평균 오차가 1픽셀 미만인 것을 알 수 있었다. 이를 통해서 본 연구에서 사용한 디지털 카메라는 적절한 수준의 왜곡보정 기능이 있는 것으로 판단하였으며 따로 후처리 왜곡보정 작업 없이 이미지 분석을 수행하였다.
영상분석 기법으로 휨 하중을 받는 상태에서의 균열폭 및 변형 형상을 보다 정확하게 측정하기 위해서 관심영역을 시험체 중앙부 1,000mm로 설정하였다. 그리고 해당 영역에 Fig.
7와 같이 콘크리트 표면을 파란색 페인트로 칠하고 직경 5mm 원형 타겟을 50mm 간격으로 부착하였다. 원형 타겟의 색상은 배경색상인 파란색과 대비되는 노란색을 사용하였고, 주 인장 철근이 매립된 위치에는 빨간색 원형 타겟을 부착하여 추후 영상 분석 시 철근의 위치를 파악하기 용이하도록 하였다.
영상 분석에서는 영상 획득 시 디지털 카메라의 움직임이 최대한 적을수록 보다 정확한 결과 도출이 가능하다. 이에 시험체 중앙부의 위치를 고정하기 위한 방법으로 Fig. 8와 같이 철근콘크리트 T형보의 상하부를 뒤집고, 시험체 연단에 하중을 재하하는 방식을 택하였다. 또한 관심영역에서의 타겟의 변화와 그에 따른 하중값을 동시에 비교할 수 있도록 시험 중 로드셀에서 얻어진 하중을 실시간으로 표시하는 하중표시계 (Load indicator)를 시편 하부에 배치하여 관심영역과 하중이 동시에 촬영되도록 하였다.
8와 같이 철근콘크리트 T형보의 상하부를 뒤집고, 시험체 연단에 하중을 재하하는 방식을 택하였다. 또한 관심영역에서의 타겟의 변화와 그에 따른 하중값을 동시에 비교할 수 있도록 시험 중 로드셀에서 얻어진 하중을 실시간으로 표시하는 하중표시계 (Load indicator)를 시편 하부에 배치하여 관심영역과 하중이 동시에 촬영되도록 하였다. 가력은 1,000kN 용량의 엑추에이터(Actuator)로 수행하였고, 가력속도는 변위제어방식으로 0.
영상분석 기법을 이용하여 나온 변형 값의 검증을 위하여 관심영역의 최외측 타겟 부착 위치에 계측범위 50mm를 가지는 변위계(Linea`r Variable Displacement Transducer, LVDT) 를 설치하여 수직변위를 계측하였다. LVDT 신호는 데이터 로거(Tokyo Sokki TDS-303)를 이용하여 계측하였다.
05mm/pixel로 유지하였다. 또한 빛에 의한 오차를 줄이기 위하여 시험체 표면이 일정한 빛을 받을 수 있도록 조명들을 설치하였다. 그리고 색상에 기반한 영상분석 기법으로부터 도출된 균열폭과의 비교를 위하여 균열확대경 (Crack meter, CM)을 이용하여 20 프레임 당 1번씩 시험체 중앙부에 발생한 최대균열폭을 측정하였다.
또한 빛에 의한 오차를 줄이기 위하여 시험체 표면이 일정한 빛을 받을 수 있도록 조명들을 설치하였다. 그리고 색상에 기반한 영상분석 기법으로부터 도출된 균열폭과의 비교를 위하여 균열확대경 (Crack meter, CM)을 이용하여 20 프레임 당 1번씩 시험체 중앙부에 발생한 최대균열폭을 측정하였다.
본 연구에서는 영상분석 기법을 이용한 시험체의 변형 분석을 위하여 콘크리트 표면에 부착된 원형 타겟 도심의 좌표 값을 이용하였다. Fig.
본 연구에서는 색상에 기반한 영상분석 기법을 이용한 철근콘크리트 구조물의 균열 탐색 및 변형 분석을 위하여 철근 콘크리트 T형 보를 상대로 3점 휨 시험을 수행하였다. 영상분석 기법은 기존의 회색조 영상을 사용하는 방법과 달리 칼라 영상을 활용하여 동일한 객체들을 추출하는 방법을 적용하였다. 영상분석을 통하여 얻어진 결과와 기존 계측장비를 통한 결과를 시험체의 항복시점까지 비교 및 분석하였다.
영상분석 기법은 기존의 회색조 영상을 사용하는 방법과 달리 칼라 영상을 활용하여 동일한 객체들을 추출하는 방법을 적용하였다. 영상분석을 통하여 얻어진 결과와 기존 계측장비를 통한 결과를 시험체의 항복시점까지 비교 및 분석하였다. 본 연구를 통하여 얻어진 결론은 다음과 같다.

대상 데이터

6와 같이 T형 단면을 가지는 철근콘크리트 보를 대상으로 3점 휨시험을 수행하였다. 시험체는 총 2개를 제작하였고, 시험체명을 A1, A2로 나타내었다. 대상 시험체 2개의 형상은 동일하게 제작되었다.
인장 주철근은 2-D13이고, 압축부 플랜지 상단에 D10철근 4개, 플랜지 하단에 D10철근 2개를 매립하였다. 스터럽은 D10철근을 사용하였고 폐쇄형으로 150mm 간격으로 매립되었다.
영상분석 기법을 이용하여 나온 변형 값의 검증을 위하여 관심영역의 최외측 타겟 부착 위치에 계측범위 50mm를 가지는 변위계(Linea`r Variable Displacement Transducer, LVDT) 를 설치하여 수직변위를 계측하였다. LVDT 신호는 데이터 로거(Tokyo Sokki TDS-303)를 이용하여 계측하였다. 영상 취득은 SONY alpha 7R 디지털 카메라 2대를 사용하였고 약 36 백만 화소(4912x7360 Pixel)의 크기로 4초 마다 등 간격으로 촬영하였다.
LVDT 신호는 데이터 로거(Tokyo Sokki TDS-303)를 이용하여 계측하였다. 영상 취득은 SONY alpha 7R 디지털 카메라 2대를 사용하였고 약 36 백만 화소(4912x7360 Pixel)의 크기로 4초 마다 등 간격으로 촬영하였다. 카메라는 시험체의 중앙을 기준으로 양측에 위치하도록 하였다.
Table 3은 하중단계별로 각 방법에 대한 처짐값을 나타낸 것이다. 하중은 5kN 단위로 25kN까지를 대상으로 하였다. A1시험체의 경우 두 방법 사이의 오차는 2~7%의 범위를 가지는 것으로 나타났고, A2 시험체에서 두 방법간의 오차는 2~6%범위를 가지는 것으로 나타났다.
시험체에 적용된 재료 특성은 Table 1과 같고, 그 값은 콘크리트 압축강도 시험과 철근의 1축 인장시험 각각 3회씩 수행하여 나온 평균값을 나타낸 것이다. 시험은 Fig. 6와 같이 T형 단면을 가지는 철근콘크리트 보를 대상으로 3점 휨시험을 수행하였다. 시험체는 총 2개를 제작하였고, 시험체명을 A1, A2로 나타내었다.

데이터처리

본 연구에서는 MATLAB R2019a 프로그램을 사용하여 영상분석을 수행하였다. Fig.

이론/모형

3과 같이 타겟의 중심점 좌표값을 추출한 후 변위와 인접 타겟과의 상대거리를 산출하여 변형률로 환산하여 나타낸다. 또한 가력장치의 하중 값을 영상분석 시스템 상에 동시에 촬영되도록 하고, 영상처리과정에서 영상 내에 촬영된 현재 하중 값을 광학문자인식(Optical Character Recognition: OCR) 알고리즘을 이용하여 수치화한다. 이러한 과정을 통하여 최종적으로 구조물의 균열과 변위 및 변형률, 그리고 현재 하중을 산출한다.

성능/효과

5와 같다. 타겟의 실제 직경 5mm는 117.5~118.5의 픽셀 수로 나타났으며 픽셀 수의 평균 오차가 1픽셀 미만인 것을 알 수 있었다. 이를 통해서 본 연구에서 사용한 디지털 카메라는 적절한 수준의 왜곡보정 기능이 있는 것으로 판단하였으며 따로 후처리 왜곡보정 작업 없이 이미지 분석을 수행하였다.
10은 영상분석을 통하여 얻어진 균열부위 가장자리를 원본 영상 내에 붉은 선으로 표시한 것으로, 임의의 위치 4곳에 대해서 확대하여 표시하였다. 영상분석결과를 통해서 파란색으로 색칠한 콘크리트 표면을 기준으로 균열부의 구분이 비교적 정확하게 수행됨을 확인할 수 있었다.
2개의 시험체 모두 최대균열폭은 최대모멘트 발생 지점인 시험체의 중앙부에서 나타났다. Fig.
또한 촬영 프레임 간격이 짧을수록 더욱 정밀한 데이터를 취득할 수 있다. 하중-균열폭 결과에서 나타난 바와 같이 영상분석 기법과 균열확대경을 이용한 균열폭 차이의 최대값은 A1 시험체가 0.048mm, A2 시험체가 0.047mm로 나타났다. 계측값의 차이가 모두 균열확대경의 최소계측단위인 0.
A1시험체의 경우 두 방법 사이의 오차는 2~7%의 범위를 가지는 것으로 나타났고, A2 시험체에서 두 방법간의 오차는 2~6%범위를 가지는 것으로 나타났다. 따라서 본 연구에서 계측에 적용한 색상 기반의 영상분석 기법은 비교적 정확한 계측이 가능하다고 판단된다.
디지털 카메라로 취득한 영상에서 콘크리트 표면 색상인 파란색과 그 외의 색상을 구분함으로써 균열을 탐색하였고, 시험체의 주인장 철근위치에서의 최대 균열폭을 구하고 균열 확대경으로 계측한 결과와 비교한 결과, 최대 오차가 0.1mm 이내로 나타났다. 또한 원형 타겟의 도심의 좌표를 이용하여 얻어진 처짐값과 LVDT에 의한 처짐값을 비교한 결과, 최대오차가 0.
1mm 이내로 나타났다. 또한 원형 타겟의 도심의 좌표를 이용하여 얻어진 처짐값과 LVDT에 의한 처짐값을 비교한 결과, 최대오차가 0.6mm 이내로 오차범위 2~7%를 가지는 것으로 나타났다.

후속연구

따라서 색상에 기반한 영상분석 기법은 비교적 정확한 계측이 가능하여 충분한 신뢰성을 가지는 것으로 판단된다. 추후 철근콘크리트 구조물의 항복 후 거동의 계측에 적용하여 상세한 평가가 가능할 것으로 사료된다. 하지만 본 연구에서 적용한 영상분석 기법은 균열 발생 전에 색상 페인트가 칠해져 있어야 한다는 한계가 있다.
추후 철근콘크리트 구조물의 항복 후 거동의 계측에 적용하여 상세한 평가가 가능할 것으로 사료된다. 하지만 본 연구에서 적용한 영상분석 기법은 균열 발생 전에 색상 페인트가 칠해져 있어야 한다는 한계가 있다. 따라서 실험실 규모의 연구에서는 적용하기 유용하나, 실구조물에 대한 적용성 확보에는 향후 추가적인 연구가 필요할 것으로 판단된다.
하지만 본 연구에서 적용한 영상분석 기법은 균열 발생 전에 색상 페인트가 칠해져 있어야 한다는 한계가 있다. 따라서 실험실 규모의 연구에서는 적용하기 유용하나, 실구조물에 대한 적용성 확보에는 향후 추가적인 연구가 필요할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	현재 균열조사는 어떤 조사에 의존하고 있는가?	철근콘크리트 구조물에서 균열은 가장 대표적인 손상 유형으로써 구조물의 파괴거동특성 파악을 위한 중요한 분석자료로 활용되고 있다. 현재 균열조사는 대부분 육안조사에 의존하고 있으며, 이에 대한 개선을 위해서 많은 연구자들이 영상분석기법을 제안하고 있다. 본 연구에서는 영상분석기법을 활용하여 실내 실험수준에서 적용하기 위한 균열평가 방법을 제안하였다.
	Lab 색상영역이 영상 내에서 동일한 채도 값을 가지지만 밝기가 다른 색상에 대해서 더욱 정확한 구분이 가능하다고 본 이유는?	2는 Lab 색상공간을 나타낸 것이다. Lab 색상영역의 경우에는 RGB 색상영역과 달리 Lab 라는 축으로 3차원 색상공간을 정의한다. Lab 색상영역에서는 L 값을 이용하여 밝기를 나타내고, a와 b 값을 이용하여 채도를 구현하게 된다. 따라서 영상 내에서 동일한 채도 값을 가지지만 밝기가 다른 색상에 대해서 더욱 정확한 구분이 가능하다.
	철근콘크리트 구조물에서 균열이란?	철근콘크리트 구조물에서 균열은 가장 대표적인 손상 유형으로써 구조물의 파괴거동특성 파악을 위한 중요한 분석자료로 활용되고 있다. 현재 균열조사는 대부분 육안조사에 의존하고 있으며, 이에 대한 개선을 위해서 많은 연구자들이 영상분석기법을 제안하고 있다.

참고문헌 (12)

Lee, J. H., Jung, C. Y., Woo, T. R., and Cheung, J. H. (2019) Post-yielding Tension Stiffening of Reinforced Concrete Members Using an Image Analysis Method with a Consideration of Steel Ratios, Advances in Concrete Construction, 7(2), 117-126

상세보기
Kim, J., Shin, Y. S., and Min, K. W. (2018), Line Laser Image Processing for Automated Crack Detection of Concrete Structures, Journal of Computational Structural Engineering Institute of Korea, 31(3), 147-153 (in Korean).

원문보기 상세보기
J. H. Cheung, J. H. Lee, T. R. Woo, and C. Y. Jung (2017), Evaluation on Strain and Necking Region of the Rebar by Using Image Processing Method, Journal of the Korea Concrete Institute, KCI, 29(1), 33-42

원문보기 상세보기
Kim, H. J., Ahn, E. J., Cho, S. J., Shin, M. S., and Sim, S. H. (2017), Comparative Analysis of Image Binarization Methods for Crack Identification in Concrete Structures, Cement and Concrete Research, 99, 53-61

상세보기
Cheung, J. H., Lee, J. H., Woo, T. R., and Jung, C. Y. (2017) Evaluation on Strain and Necking Region of the Rebar by Using Image Processing Method, Journal of the Korea Concrete Institute, KCI, 29(1), 33-42 (in Korean)

원문보기 상세보기
Kim, S. D., Jung, C. Y., Woo, T. R., and Cheung, J. H. (2016), Application of Image Processing Method to Evaluate Ultimate Strain of Rebar, Journal of the Korea Institute for Structural Maintenance and Inspection, KSMI, 20(3), 111-121 (in Korean)

원문보기 상세보기
Talab, A., Huang, Z., Xi, F., and Haiming, L. (2016), Detection Crack in Image Using Otsu Method and Multiple Filtering in Image Processing Techniques, Optik, 127(3), 1030-1033

상세보기
Kaur A. and Kranti B.V. Comparison between YCbCr Color Space and CIE Lab Color Space for Skin Color Segmentation. International Journal of Applied Information System, 2012; pp. 30-36
Tsai, Y. C., Kaul V., and Mersereau, R. M. (2010), Critical assessment of pavement distress segmentation methods, Journal of Transportation, 136(1), 11-19
Jung, C. H., Oh, A. S., and Kim, K. B. (2007), Extraction and Analysis of Concrete Surface Cracks, Proceedings of the Korea Multimedia Society Conference, 46-52 (in Korean)
Sinha, S. K. and Fieguth, P. W. (2006), Segmentation of buried concrete pipe images, Automation in Construction, 15(1), 47-57

상세보기
Her, J. Y., Kim, K. R., Lim, E. K., Ahn, S. H., and Kim, K. B. (2006), A Length and Width Extraction of Concrete Surface Cracks using Image Processing Techniques, Proceedings of the Korea Institute of Maritime Information & Communication Sciences, 346-351 (in Korean)

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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