$\require{mediawiki-texvc}$

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.

k-근접 이웃 및 비전센서를 활용한 프리팹 강구조물 조립 성능 평가 기술
Assembly Performance Evaluation for Prefabricated Steel Structures Using k-nearest Neighbor and Vision Sensor 원문보기

한국전산구조공학회논문집 = Journal of the computational structural engineering institute of Korea, v.35 no.5, 2022년, pp.259 - 266  

방현태 (충남대학교 자율운항시스템공학과) ,  유병준 ((주)스트라드비전) ,  전해민 (한밭대학교 건설환경공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 프리팹 구조물의 품질관리를 위한 딥러닝 및 비전센서 기반의 조립 성능 평가 모델을 개발하였다. 조립부 검출을 위해 인코더-디코더 형식의 네트워크와 수용 영역 블록 합성곱 모듈을 적용한 딥러닝 모델을 사용하였다. 검출된 조립부 영역 내의 볼트홀을 검출하고, 볼트홀의 위치 값을 산정하여 k-근접 이웃 기반 모델을 사용하여 조립 품질을 평가하였다. 제안된 기법의 성능을 검증하기 위해 조립부 모형을 3D 프린팅을 이용하여 제작하여 조립부 검출 및 조립 성능 예측 모델의 성능을 검증하였다. 성능 검증 결과 높은 정밀도로 조립부를 검출하였으며, 검출된 조립부내의 볼트홀의 위치를 바탕으로 프리팹 구조물의 조립 성능을 5% 이하의 판별 오차로 평가할 수 있음을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this study, we developed a deep learning and vision sensor-based assembly performance evaluation method isfor prefabricated steel structures. The assembly parts were segmented using a modified version of the receptive field block convolution module inspired by the eccentric function of the human ...

주제어

#조립부 성능 평가   #딥러닝   #k-근접 이웃   #비전센서   #프리팹 강구조물  

참고문헌 (21)

  1. Geron, A. (2019) Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media, Inc, Sebastopol, CA. 

  2. He, K., Gkioxari, G., Dollar, P., Girshick, R. (2017) Mask r-cnn, Proc. IEEE International Conference on Computer Vision, Institute of Electrical and Electronics Engineers, pp.2961-2969. 

  3. Ho, T.K. (1998) The Random Subspace Method for Constructing Decision Forests, IEEE Transactions on Pattern Analysis and Machine Intelligence, 20(8), pp.832-844. 

    상세보기

  4. Kim, M.K., Wang, Q., Park, J.W., Cheng, J.C., Sohn, H., Chang, C.C. (2016) Automated Dimensional Quality Assurance of Full-Scale Precast Concrete Elements using Laser Scanning and BIM, Autom. Constr., 72, pp.102-114. 

    상세보기

  5. Krizhevsky, A., Sutskever, I., Hinton, G.E. (2012) Imagenet Classification with Deep Convolutional Neural Networks, Adv. Neural Inf. Process. Syst., 25, pp.1097-1105. 

  6. Lacey, A.W., Chen, W., Hao, H., Bi, K. (2018) Structural Response of Modular Buildings-an Overview, J. Build. Eng., 16, pp.45-56. 

  7. Liu, S., Huang, D. (2018) Receptive Field Block Net for Accurate and Fast Object Detection, Proc. European Conference on Computer Vision (ECCV), Springer Science & Business Media, pp.385-400. 

  8. Liu, X.C., Xu, A.X., Zhang, A.L., Ni, Z., Wang, H.X., Wu, L. (2015) Static and Seismic Experiment for Welded Joints in Modularized Prefabricated Steel Structure, J. Construct. Steel Res., 112, pp.183-195. 

  9. Long, J., Shelhamer, E., Darrell, T. (2015) Fully Convolutional Networks for Semantic Segmentation, Proc. IEEE Conference on Computer Vision and Pattern Recognition, Institute of Electrical and Electronics Engineers, pp.3431-3440. 

  10. Ma, X., Yang, T., Chen, J., Liu, Z. (2021) k-Nearest Neighbor Algorithm based on Feature Subspace, Int. Conf. Big Data Analysis and Computer Science (BDACS), Institute of Electrical and Electronics Engineers, pp.225-228. 

  11. Michalski, R.S., Carbonell, J.G., Mitchell, T.M. (Eds.). (2013) Machine Learning: An Artificial Intelligence Approach, Springer Science & Business Media, Berlin. 

  12. Ministry of Land, Infrastructure and Transport in Korea (2013) Standard Specification of Roads and Bridges. 

  13. Park, H. S., Lee, H. M., Adeli, H., Lee, I. (2007) A New Approach for Health Monitoring of Structures: Terrestrial Laser Scanning, Computer-Aided Civil & Infrastruct. Eng., 22(1), pp.19-30. 

  14. Peterson, L.E. (2009) K-Nearest Neighbor, Scholarpedia, 4(2), p.1883. 

  15. Ren, S., He, K., Girshick, R., Sun, J . (2015) Faster r-cnn: Towards Real-Time Object Detection with Region Proposal Networks, Adv. Neural Inf. Process. Syst., 28, pp.91-99. 

  16. Ronneberger, O., Fischer, P., Brox, T. (2015) U-Net: Convolutional Networks for Biomedical Image Segmentation, Proc. Int. Conf. Medical Image Computing and Computer-Assisted Intervention, The Medical Image Computing and Computer Assisted Intervention Society, pp.234-241. 

  17. Russakovsky, O., Deng, J., Su, H., Krause, J., Satheesh, S., Ma, S., Huang, Z., Karpathy, A., Khosla, A., Bernstein, M., Berg, A.C., Fei-Fei, L. (2015) Imagenet Large Scale Visual Recognition Challenge, Int. J. Comput. Vision, 115(3), pp.211-252. 

  18. Stefanic, M., Stankovski, V. (2018) A Review of Technologies and Applications for Smart Construction, Proc. Inst. Civil Engineers-Civil Eng., Institution of Civil Engineers, 172(2), pp.83-87. 

  19. Tan, Y., Li, S., Wang, Q. (2020) Automated Geometric Quality Inspection of Prefabricated Housing Units using BIM and LiDAR. Remote Sens., 12(15), 2492. 

    상세보기

  20. Xu, Z., Kang, R., Lu, R. (2020) 3D Reconstruction and Measurement of Surface Defects in Prefabricated Elements using Point Clouds, J. Comput. Civil Eng., 34(5), 04020033. 

  21. Zhang, A.L., Wang, Q., Jiang, Z.Q., Yang, X.F., Zhang, H. (2019) Experimental Study of Earthquake-Resilient Prefabricated Steel Beam-Column Joints with Different Connection Forms, Eng. Struct., 187, pp.299-313. 

    상세보기

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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