초록 ▼

본 연구는 노후화된 SOC 시설물에 대한 정확한 진단을 위한 균열 탐지 및 측정 기술을 개발하는 것으로 2년에 걸쳐 과제를 수행한다. 1차년도에 콘크리트 균열 탐지하기 위해 학습용 데이터 세트를 확보하고, 지도/준지도 학습 기반의 딥러닝 알고리즘을 개발하였다. 그 결과는 콘크리트 균열 영상 1,200장, 도로 균열 영상 1,700장을 확보하였고, 지도 학습을 통한 균열 탐지 알고리즘을 개발하였다. 다음으로 준지도 학습을 통해서 라벨 데이터가 부족한 상황에서도 인식 성능을 높일 수 있는 방법을 제안하여 학습을 효율성을 높였다. 또한

본 연구는 노후화된 SOC 시설물에 대한 정확한 진단을 위한 균열 탐지 및 측정 기술을 개발하는 것으로 2년에 걸쳐 과제를 수행한다. 1차년도에 콘크리트 균열 탐지하기 위해 학습용 데이터 세트를 확보하고, 지도/준지도 학습 기반의 딥러닝 알고리즘을 개발하였다. 그 결과는 콘크리트 균열 영상 1,200장, 도로 균열 영상 1,700장을 확보하였고, 지도 학습을 통한 균열 탐지 알고리즘을 개발하였다. 다음으로 준지도 학습을 통해서 라벨 데이터가 부족한 상황에서도 인식 성능을 높일 수 있는 방법을 제안하여 학습을 효율성을 높였다. 또한 Stereo vision 방식을 통해 비접촉 균열 측정 기술을 개발하여 0.3mm의 분해능을 갖는 센서 기술을 개발하였다. 뿐만 아니라 QR 코드 방식으로 측정한 기술과 비교를 하였대 0.43mm의 오차를 나타내 두 측정 기술의 유사한 경향을 나타내는 것을 확인하였다. 끝으로 차년도에는 이종데이터 변환을 통한 알고리즘의 개발로 균열 탐지 알고리즘의 성능을 향상시킬 수 있는 기법을 개발하고자 한다.

(출처 : 서지자료 - 초록 44p)

Abstract ▼

This study is to develop crack detection and measurement technology for accurate diagnosis of aging SOC facilities, and the task is carried out over two years. To detect concrete cracks in the first year, training data set was secured, and a deeplearning algorithm based on supervised/semi-supervised

This study is to develop crack detection and measurement technology for accurate diagnosis of aging SOC facilities, and the task is carried out over two years. To detect concrete cracks in the first year, training data set was secured, and a deeplearning algorithm based on supervised/semi-supervised learning was developed. As a result, 1,200 concrete crack images and 1,700 road crack images were secured, and a crack detection algorithm was developed through supervised learning. Next, through semi-supervised learning, we improved the learning efficiency by proposing a method to improve the recognition performance even in situations where label data is insufficient. In addition, by developing a non-contact crack measurement technology through the stereo vision method, a sensor technology with a resolution of 0.3mm was developed. In addition, when compared with the technique measured by the QR code method, it was confirmed that an error of 0.43 mm was shown, indicating similar trends of the two measurement techniques. Finally, in the next year, we will develop a technique that can improve the performance of the crack detection algorithm by developing an algorithm through domain adaptation.

(출처 : Bibliographic Data - Abstract 45p)

목차 Contents

• 표지 ... 1
• 제출문 ... 3
• 요약문 ... 4
• Executive Summary ... 6
• 목차 ... 10
• 표목차 ... 12
• 그림목차 ... 13
• 제1장 서론 ... 15
• 1. 연구개요 ... 15
• 1.1 연구의 배경 및 필요성 ... 15
• 1.2 연구 목표 및 내용 ... 16
• 1.3 기술지도 ... 18
• 2. 연구 추진 체계 및 전략 ... 19
• 2.1 연구 추진 체계 ... 19
• 2.2 연구 추진 전략 ... 20
• 제2장 국내·외 연구 동향 ... 21
• 1. 국내 현황 ... 21
• 1.1 인공지능 및 영상 인식 시장 현황 ... 21
• 1.2 인공지능 및 영상 인식 기술 동향 ... 21
• 2. 국외 현황 ... 23
• 2.1 인공지능 및 영상 인식 시장 현황 ... 23
• 2.2 인공지능 및 영상 인식 기술 동향 ... 24
• 제3장 연구개발 수행내용 및 결과 ... 25
• 1. 심층 신경망 학습을 위한 균열 영상 데이터 확보 ... 25
• 1.1 학습용 데이터 세트의 확보 ... 25
• 1.2 심층 신경망의 분석 기법 동향 분석 ... 28
• 2. 균열 탐지를 위한 지도학습 기술 개발 ... 29
• 2.1 기존 심층 신경망의 한계 ... 29
• 2.2 계층적 심층 신경망 구조 ... 29
• 3. 균열 탐지를 위한 준지도 학습 기술 개발 ... 31
• 3.1 지도 학습 기법과 한계 ... 31
• 3.2 준지도 학습 기법을 통한 성능 고도화 ... 32
• 4. 영상을 이용한 균열 측정 기법 ... 34
• 4.1 QR 코드를 이용한 균열 측정 기술 ... 34
• 4.2 스테레오 카메라를 통한 3차원 균열 측정 기술 ... 35
• 4.3 균열 측정 기술의 성능 비교 ... 39
• 제4장 결론 및 향후 연구계획 ... 40
• 1. 결론 ... 40
• 2. 향후 연구계획 ... 40
• 참고문헌 ... 42
• 서지자료 ... 44
• Bibliographic Data ... 45
• 끝페이지 ... 46