딥러닝을 이용한 영상 기반의 콘크리트 구조물 박락 탐지

이예인; 김병현; 조수진

doi:10.4334/JKCI.2018.30.1.091

주제분류

...

저널정보

저자정보

이예인 (서울시립대학교)
김병현 (서울시립대학교)
조수진 (서울시립대학교)

이용수
내서재: 5

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기

현재 콘크리트 구조물은 균열, 박리, 박락, 철근노출, 골재분리 등의 외관손상을 찾기 위한 육안 검사를 기반으로 정기적 유지관리가 수행되고 있다. 그러나 이는 많은 노동력과 시간을 필요로 하며 작업 인력의 위험도가 높다. 본 연구에서는 딥러닝을 이용한 영상기반의 콘크리트 박락 탐지 기술을 개발하였다. 먼저 학습 이미지 데이터는 웹스크레이핑 기법을 이용하여 수집되며, 수집된 이미지들은 박락, 이음부 및 모서리, 무손상 표면, 기타로 분류된다. 여기에 이미지 증강 기법을 적용하여 학습이미지 수를 증가시킨다. 기존에 이미지 분류를 목적으로 개발된 합성곱신경망인 AlexNet을 일부 조정하여 사용하는 전이학습기법을 이용하여, 콘크리트 박락을 탐지하는 이미지 분류기를 개발하였다. 윈도우 크기만큼 움직이는 두 개의 겹치는 윈도우를 슬라이딩하면서 각각의 윈도우에 개발된 분류기를 적용하였다. 그리고는 분류기의 최종 softmax 층에서 출력되는 스코어의 평균을 이용하여 확률지도를 작성하였다. 마지막으로, 박락에 대한 신뢰도 값이 25 % 이상이 되는 픽셀을 박락으로 판정하였다. 개발된 방법은 14개의 철근노출 및 철근무노출 박락 이미지를 이용하여 검증하였다. 14개의 이미지에 대해 박락은 모두 잘 찾을 수 있었으며, 박락의 탐지능력을 보여주는 재현율은 픽셀 레벨에서 80 % 이상으로 나타났다. 본 개발 방법은 박락뿐만 아니라 다양한 손상 유형에도 확장이 가능할 것으로 판단된다.

Currently, concrete structures are maintained based on routine visual inspection to find apparent damage such as crack, delamination, spalling, rebar exposure, and segregation. However, visual inspection requires a lot of labor and time, while the risk to inspectors is high. Thus in this study, an image-based concrete spalling detection technique has been developed using deep learning. First, a training image dataset is built by scraping images from internet, and they are categorized into Spalling, Concrete Joint and Edge, Intact Concrete Surface, and Etc. The number of training images increases by implementing image augmentation techniques. An image classifier to detect concrete spalling is developed by a transfer learning approach that fine-tunes the existing convolutional neural network AlexNet using the augmented training image dataset. With two overlapped windows sliding with stride of a window size, the developed classifier is implemented in each window. A probability map of spalling is then constructed using the average of two score values of the last softmax layer in the classifier. Lastly, pixels with a score larger than 25 % out of 100 % are marked as spalling. The developed approach is validated for 14 spalling images with and without rebar exposure. The existence of spalling is not missed in any cases, and the recall in the pixel level, which shows the detectability of spalling, is found to be over 80% for all test images. The developed approach can be expanded for different types of concrete damage.

#concrete #spalling #deep learning #transfer learning #image augmentation #콘크리트 #박락 #딥러닝 #전이학습 #이미지 증강

참고문헌 (14)

참고문헌 신청

Bengio, Y., Courville, A., and Vincent. P. (2014) Representation learning: a review and new perspectives. IEEE Transactions on Pattern Analysis and Machine Intelligence 35(8), 1798-1828. Bengio, Y., Courville, A., and Vincent. P. (2014) Representation learning: a review and new perspectives. IEEE Transactions on Pattern Analysis and Machine Intelligence 35(8), 1798-1828. Boeing, G. and Waddell, P. (2016) New insights into rental housing markets across the united states: web scraping and analyzing craigslist rental listings. Journal of Planning Education and Research, 1-20. Boeing, G. and Waddell, P. (2016) New insights into rental housing markets across the united states: web scraping and analyzing craigslist rental listings. Journal of Planning Education and Research, 1-20. Dawood, T., Zhu, Z., and Zayed, T. (2017) Machine vision-based model for spalling detection and quantification in subway networks, Automation in Construction 81, 149-160.

이 논문의 저자 정보

이예인

소속기관 서울시립대학교

주요연구분야 공학 > 토목/환경공학

논문수 3 이용수 1,561

김병현

소속기관 경북대학교

주요연구분야 공학 > 토목/환경공학 TOP 5% 공학 > 컴퓨터학

논문수 50 이용수 4,479

Soojin Cho

소속기관 서울시립대학교

주요연구분야 공학 > 토목/환경공학 TOP 5% 공학 > 공학일반

논문수 48 이용수 4,267

이 논문과 함께 이용한 논문

다양한 딥러닝 알고리즘과 활용

김지원 , 표현아 , 하정우 외 2명 정보과학회지 2015.08

딥러닝 기반 제품 외관의 결함 검출

이민기 , 서기성 정보 및 제어 논문집 2017.04

이미지 기반 사물 인식을 위한 개선된 딥러닝 네트워크

최승도 , 장윤석 , 김효진 외 2명 한국통신학회 학술대회논문집 2016.11

딥러닝을 이용한 이미지 기반의 콘크리트 균열 및 박락 탐지

조수진 , 김병현 , 이예인 대한토목학회지 2018.08

하수관거 균열 인식을 위한 CNN 기법 적용

손병직 , 정대석 , 이규환 대한토목학회 학술대회 2017.10

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-532-001765928

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드