초록 ▼

본 연구는 해상특수교량에 대한 전문적인 경험과 기술이 부족한 관리주체의 안전점검 및 유지관리 관련 의사결정 지원체계를 개발하고자 드론을 활용한 점검사각지대의 안전점검 기술을 개발하고, 생성된 영상 Data를 인공지능에게 학습시켜 비전문가의 의사결정에 필요한 기술 자료를 자동 생성하는 체계를 개발하는것을목적으로한다.
연구를 통하여 해상 특수교량 점검사각지대에 대한 드론을 활용한 영상 촬영 대상으로 전라남도청 관할의 해상특수교량을 대상교량으로 주탑의 영상데이터를 정사영상 및 3D 모델링 정보화 처리하여 빅데이터를구축하였다.

본 연구는 해상특수교량에 대한 전문적인 경험과 기술이 부족한 관리주체의 안전점검 및 유지관리 관련 의사결정 지원체계를 개발하고자 드론을 활용한 점검사각지대의 안전점검 기술을 개발하고, 생성된 영상 Data를 인공지능에게 학습시켜 비전문가의 의사결정에 필요한 기술 자료를 자동 생성하는 체계를 개발하는것을목적으로한다.
연구를 통하여 해상 특수교량 점검사각지대에 대한 드론을 활용한 영상 촬영 대상으로 전라남도청 관할의 해상특수교량을 대상교량으로 주탑의 영상데이터를 정사영상 및 3D 모델링 정보화 처리하여 빅데이터를구축하였다.
해상교량의 주탑에서 발생한 균열을 탐지하기 위하여개별 모델을 사용하여 4개의 서로 다른 구조 모델로 구성된 적층 앙상블 Meta 모델을 개발하였으며, 1만 1천여장의 균열 이미지와 레이블링 자료를 사용하였다. Meta 모델 학습을 위해 stacking ensemble learning을 진행하였으며, 테스트 데이터셋을 메타모델로 추론한 결과 0.76의 높은 성능 향상을 확인하였다.

(출처 : 서지자료 85p)

Abstract ▼

This study develops a safety inspection technology for inspection blind spots using drones in order to develop a decision-making support system related to safety inspection and maintenance of a management body lacking professional experience and technology for marine special bridges, and generated v

This study develops a safety inspection technology for inspection blind spots using drones in order to develop a decision-making support system related to safety inspection and maintenance of a management body lacking professional experience and technology for marine special bridges, and generated video data The purpose is to develop a system that automatically creates technical data necessary for decision-making by non-experts by learning artificial intelligence.
Through this study, big data was constructed by informatizing the image data of the pylons with orthographic images and 3D modeling information processing of sea cross bridge, Jeollanam-do as target bridges for video shooting using drones for inspection blind spots of marine special bridges.
In order to detect cracks in the pylons of marine bridges, individual models were used to develop a stacked ensemble meta model composed of four different structural models, and 11,000 crack images and labeling data were used. For metamodel learning, stacking ensemble learning was performed, and as a result of inferring the test dataset as a metamodel, a high performance improvement of 0.76 was confirmed.

(source : Bibliographic Data 86p)

목차 Contents

• 표지 ... 1
• 제출문 ... 3
• 요약문 ... 4
• Executive Summary ... 6
• 목차 ... 8
• 제1장 서론 ... 10
• 1. 연구의 배경 및 필요성 ... 10
• 2. 연구 목표 및 내용 ... 13
• 2.1 연구 목표 ... 13
• 2.2 연차별 연구 목표 및 내용 ... 14
• 3. 국내·외 동향 ... 15
• 3.1 안전점검용 드론 시장 분석 ... 15
• 3.2 정책 현황 ... 16
• 3.3 기술개발 현황 ... 20
• 3.4 시장·산업동향 ... 29
• 제2장 연구개발 수행내용 및 결과 ... 32
• 1. 드론 활용 안전점검 개요 ... 32
• 1.1 드론을 활용한 해상특수교량 안전점검 절차 ... 32
• 1.2 드론 비행 ... 34
• 1.3 영상 데이터 후처리 방법 ... 38
• 2. 해상특수교량 안전점검 현장 실증 ... 42
• 2.1 개요 ... 42
• 2.2 현장실증을 위한 수행 절차 ... 44
• 2.3 세부 연구 내용 ... 45
• 2.4 자동비행 실증 ... 65
• 3. 인공지능을 활용한 영상데이터 분석 방안 ... 71
• 3.1 해상교량 주탑부 균열 탐지 모델 구성 전략 ... 72
• 3.2 1차 균열 탐지 모델의 구성 ... 72
• 3.3 Meta Model 개발 ... 76
• 3.4 Meta Model 고도화 ... 79
• 제3장 결론 ... 82
• 참고문헌 ... 84
• 서지자료 ... 85
• Bibliographic Data ... 86
• 끝페이지 ... 87