[논문]진공흡착방식 기반의 벽면 이동로봇을 위한 자동 균열검출 프로세스에 관한 연구

박재민; 신동호; 김현섭; 김형훈; 김상훈

문제 정의

위와 같은 단점을 해결하기 위해 본 논문에서는 벽면 이동로봇에 GPU가 탑재된 임베디드 보드(Jetson TX2)를 추가하여 기계학습을 통해 로봇 내부에서 균열을 검출하고 이를 처리하는 전체적인 프로세스를 연구하였다. 벽면 이동로봇을 이용할 경우, 벽면에 부착하여 이동하기 때문에 미세균열 검출에 대한 위험성이 없고 실내와 교량 등에서도 구동할 수 있어 효율이 높다.
특히, Jetson TX2를 이용함으로써 기계학습을 로봇 내에서 구동하고 나아가, 균열과 이의 위치를 검출하는 전반적인 구동 프로세스에 관해 연구하고 구현하였다. 기계학습을 이용하여 균열검출을 진행함에 따라, 기존의 균열검출 방법인 Sobel과 Canny 엣지 검출 방법[8]에 비해 벽면 재질 및 조도에 상대적으로 영향을 덜 받고 검출 정확도 등의 여러 성능 면에서도 우수한 결과를 보임을 증명하였다.

제안 방법

검출된 균열은 현재 시각을 파일명으로 하여 JPEG 형식으로 저장되게 구성하였으며 모든 검출 과정은 AVI 형식의 동영상 파일로 저장되게 하였다.
균열검출 프로세스를 시험해보기 위해 로봇을 별도의 조작 없이 작동하도록 구성하고 벽면을 검사한 후, 폴더의 저장된 이미지를 관리자 기기로 전송받았다. (그림 8)은 실제 로봇의 작동 사진과 안드로이드로 전송받은 이미지이다.
균열이 검출됨과 동시에 균열 사진 파일이 저장됨을 이용하여 해당 시점에 UART 통신을 이용하여 MCU에게 균열의 위치를 요청하는 신호를 보내도록 구성하였다. 균열의 위치가 담긴 데이터를 받은 Jetson TX2는 간단한 오류 검사 후에 현재 시각을 파일명으로 하여 TXT 형식으로 위치를 저장한다.
또한, 별도의 클라우드 서비스나 서버를 이용하지 않고 로봇 내부에서 기계학습을 이용한 균열검출 알고리즘을 구동할 수 있음을 증명하였다. 나아가, 벽면 이동 로봇을 이용한 균열검출 알고리즘을 이용해 육안으로 잘 확인할 수 없는 균열까지 검출할 수 있다는 것을 확인하고 그 성능을 (그림 8) 등에 제시하였다.
기계학습을 이용하여 균열검출을 진행함에 따라, 기존의 균열검출 방법인 Sobel과 Canny 엣지 검출 방법[8]에 비해 벽면 재질 및 조도에 상대적으로 영향을 덜 받고 검출 정확도 등의 여러 성능 면에서도 우수한 결과를 보임을 증명하였다. 또한, 로봇 내부의 MCU와 Jetson TX2와의 시리얼 통신, Jetson TX2와 안드로이드 애플리케이션과 무선 TCP/IP 통신으로 구성된 통신 네트워크를 고정 IP 서버를 중심으로 구현함으로써 균열검출 후 균열 정보에 대한 데이터 통신이 효율적이고 체계적으로 이루어지도록 구성하였다.
위 방법으로 저장된 균열의 사진과 위치는 안드로이드로 애플리케이션으로부터 전송 요청이 오면 자동으로 전송되도록 프로세스를 구성하였다. (그림 3)은 균열검출 프로세스의 전반적인 흐름도이다.

대상 데이터

균열의 위치는 로봇에 반지름이 45mm인 바퀴와 엔코더 기어비 1/13, 감쇠비 1/150인 엔코더 모터를 장착하고 실험하였다. <표 2>는 4.
로봇 내부에서 기계학습을 구현하기 위해 GPU를 탑재한 Jetson TX2를 사용하였으며 부피 및 무게의 적합성을 고려해 기존 Develop Board 대신 Connect Tech사에서 제공하는 Orbitty Carrier Board를 사용하였다.
로봇은 고성능 Embedded Software Platform인 Jetson TX2를 이용하여 머신러닝을 별도의 외부 기기를 통해 구현하지 않고 로봇 내에서 구현한다.
본 논문에서 학습에 사용된 Dataset은 과 같이 인터넷에서 수집한 이미지들[12-13]과 일부 연구자가 위치한 건물들에 발생한 균열들을 직접 촬영한 사진으로 구성되어 있다.

데이터처리

균열검출과 같이 객체를 빠뜨리지 않고 검출하는 것이 중요한 알고리즘은 Recall이 주요 성능지표가 될 수 있다. 따라서 Testset을 성능분석에 이용하여 (그림 4)과 같이 Epoch에 대한 Recall을 분석하였고 (그림 5)로 Accuracy를 분석 결과를 나타내었다.

이론/모형

균열의 위치는 로봇의 상대적인 현재 위치를 기반으로 추정하고 로봇의 위치는 홀센서[10]와 IMU[11]를 이용해 추측항법을 기반으로 추정한다. 로봇에 사용하는 엔코더모터의 감쇠비가 ζ, 엔코더 기어비가 g, r을 바퀴의 반지름, p를 Pulse의 상승 엣지를 검출한 횟수라고 했을 때 로봇의 이동 거리(Distance)는 식(1)로 표현되고 IMU에서 측정한 로봇의 각도(θ)와 로봇의 이동 거리를 (그림 2)를 이용해 계산한다.
기계학습 도구는 YOLO v3[9]를 사용했으며 로봇 내부에서 기계학습을 구동하기 위해 기존 106개의 Layer로 구성된 특징추출 알고리즘을 (그림 1)과 같이 30개의 Layer로 간소화하였다.

성능/효과

(그림 8)과 같이 영상이 흔들릴 때도 균열검출이 가능했으며 관리자 기기로 원활하게 전송되었다. 균열이 검출된 모든 프레임은 JPEG 형식으로 저장되었고 미세한 균열도 검출할 수 있었다.
특히, Jetson TX2를 이용함으로써 기계학습을 로봇 내에서 구동하고 나아가, 균열과 이의 위치를 검출하는 전반적인 구동 프로세스에 관해 연구하고 구현하였다. 기계학습을 이용하여 균열검출을 진행함에 따라, 기존의 균열검출 방법인 Sobel과 Canny 엣지 검출 방법[8]에 비해 벽면 재질 및 조도에 상대적으로 영향을 덜 받고 검출 정확도 등의 여러 성능 면에서도 우수한 결과를 보임을 증명하였다. 또한, 로봇 내부의 MCU와 Jetson TX2와의 시리얼 통신, Jetson TX2와 안드로이드 애플리케이션과 무선 TCP/IP 통신으로 구성된 통신 네트워크를 고정 IP 서버를 중심으로 구현함으로써 균열검출 후 균열 정보에 대한 데이터 통신이 효율적이고 체계적으로 이루어지도록 구성하였다.
실험을 통해, 수정된 YOLO 알고리즘은 실제 구동에서 다소 많은 균열 객체를 검출해 내긴 했지만, 검출하지 못한 균열은 없었다. 나아가 기존의 영상처리 기법을 이용한 Sobel, Canny 엣지 검출 기법보다 오검출률이 각각 80%, 20% 이상 개선되어 확연하게 우수한 성능을 보였다(그림 9). 또한, 별도의 클라우드 서비스나 서버를 이용하지 않고 로봇 내부에서 기계학습을 이용한 균열검출 알고리즘을 구동할 수 있음을 증명하였다.
나아가 기존의 영상처리 기법을 이용한 Sobel, Canny 엣지 검출 기법보다 오검출률이 각각 80%, 20% 이상 개선되어 확연하게 우수한 성능을 보였다(그림 9). 또한, 별도의 클라우드 서비스나 서버를 이용하지 않고 로봇 내부에서 기계학습을 이용한 균열검출 알고리즘을 구동할 수 있음을 증명하였다. 나아가, 벽면 이동 로봇을 이용한 균열검출 알고리즘을 이용해 육안으로 잘 확인할 수 없는 균열까지 검출할 수 있다는 것을 확인하고 그 성능을 (그림 8) 등에 제시하였다.
실험결과, 이동 거리가 멀어질수록 오차가 누적되므로 점점 증가하는 모습을 보였고 0.5m당 약 0.03m 정도의 오차가 누적되며 오차 누적은 선형에 가까운 관계를 보였다.
실험을 통해, 수정된 YOLO 알고리즘은 실제 구동에서 다소 많은 균열 객체를 검출해 내긴 했지만, 검출하지 못한 균열은 없었다. 나아가 기존의 영상처리 기법을 이용한 Sobel, Canny 엣지 검출 기법보다 오검출률이 각각 80%, 20% 이상 개선되어 확연하게 우수한 성능을 보였다(그림 9).
18%로 가장 큰 값을 보였다. 평균 Accuracy는 51.6%로 43,000 Epoch에서 52.43%로 가장 높은 수치를 나타내었다.

후속연구

균열검출의 완성도를 높이기 위해서는 비전에만 의존한 검출 알고리즘뿐만 아니라, 초음파 센서와 같은 다른 보조적인 장치 등을 함께 이용[14]하여 구조물의 내부 균열과 기계학습으로 검출하지 못한 균열까지도 효과적으로 검출하도록 구성하는 것이 향후의 연구로써 필요하다.

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

진공흡착방식 기반의 벽면 이동로봇을 위한 자동 균열검출 프로세스에 관한 연구
A Study on Automatic Crack Detection Process for Wall-Climbing Robot based on Vacuum Absorption Method 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

진공흡착방식 기반의 벽면 이동로봇을 위한 자동 균열검출 프로세스에 관한 연구 A Study on Automatic Crack Detection Process for Wall-Climbing Robot based on Vacuum Absorption Method 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

진공흡착방식 기반의 벽면 이동로봇을 위한 자동 균열검출 프로세스에 관한 연구
A Study on Automatic Crack Detection Process for Wall-Climbing Robot based on Vacuum Absorption Method 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper