교량 손상 관리를 위한 딥러닝 기반의 교량이미지 전처리 및 손상객체 자동검출 모델A Deep Learning-based Bridge Image Pretreatment and Damaged Objects Automatic Detection Model for Bridge Damage Management
- Other Titles
- A Deep Learning-based Bridge Image Pretreatment and Damaged Objects Automatic Detection Model for Bridge Damage Management
- Authors
- 홍성삼; 황철훈; 김형규; 김병곤
- Issue Date
- Oct-2021
- Publisher
- 차세대컨버전스정보서비스학회
- Keywords
- Deep learning; old bridge management; image analysis; image processing; super-resolution; 딥러닝; 노후 교량 관리; 이미지 분석; 이미지 처리; 화질 개선
- Citation
- 차세대컨버전스정보서비스기술논문지, v.10, no.5, pp.497 - 511
- Journal Title
- 차세대컨버전스정보서비스기술논문지
- Volume
- 10
- Number
- 5
- Start Page
- 497
- End Page
- 511
- URI
- https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/82570
- DOI
- 10.29056/jncist.2021.10.03
- ISSN
- 2384-101X
- Abstract
- 교량에서 표면 결함은 가능한 구조적 열화 또는 손상의 가장 관찰 가능한 지표이다. 그러나 대부분 인력에 의한 수동적인 검사로 지표를 생성하고 있는데 이는 구조 요소의 내부 상태는 시각적 기술에만 의존하여 평가될 수 없다는 점과 수동적인 촬영, 직관에 의한 판단만이 평가 요소인 점이 문제점으로 지적된다. 본 논문에서는 교량 손상 점검의 자동화를 위해 딥러닝 기반의 이미지 전처리 및 교량 손상 객체 자동화 기술을 제안한다. 이기종의 촬영기기로 촬영된 교량 이미지의 전처리를 위해 딥러닝 기반의 SR(Super-Resolution)을 이용하여 up/down-sampling을 통해 탐지모델에 가장 적합한 형태의 이미지로 정규화를 하는 기술을 제안하였다. 처리된 이미지는 레이블러를 통해 레이블링 되고, 구축된 이미지넷이 탐지모델의 학습에 사용되어 현장에 최적화된 교량 손상 객체 탐지 모델을 구축할 수 있다. 또한 기존의 교량 손상 탐지 모델들과 성능적으로 유사하거나 우수한 성능을 나타내었으며, 전문현장 데이터를 사용하였기 때문에 모델의 신뢰성을 확보할 수 있었다. 실험을 통해 교량 손상 객체 중 백태에 대한 탐지 성능을 측정하였으며, 전처리된 이미지넷을 활용한 경우 성능이 개선되는 것을 확인할 수 있었다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - ETC > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/gachon/handle/2020.sw.gachon/82570)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.