메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

사회과학
경영학 경제학 관광학 교육학 군사학 무역학 문헌정보학 법학 사회과학일반 사회복지학 사회학 신문방송학 심리과학 정치외교학 지리/지역개발학 지역학 행정학
공학
건축공학 공학일반 기계공학 산업공학 자원/재료공학 전자/제어계측공학 전자/정보통신공학 조선/해양공학 컴퓨터학 토목/환경공학 항공우주공학 화학/생물공학
자연과학
물리학 생물학 생활과학 수학/통계학 자연과학일반 전문/지구과학
의약학
간호학 수의학 약학 의학 의학일반 치의학 한의학
인문학
독일어문학 러시아어문학 문학 언어학 역사학 영어문학 인문학일반 일본어문학 종교학/신학 중국어문학 철학 프랑스어문학 한국어문학
예술체육학
건축 디자인 무용 미술 미용 사진 연극 영화 예술체육학일반 음악 의상 체육
농수해양학
농수해양학일반 농학 수산학 식품과학 임학 축산학 해상운송학
복합학
과학기술학/기술정책 뇌/인지과학 여성학 학제간연구

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.
고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
3
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기
건축물의 균열 여부와 균열 두께를 측정하는 것은 시설물 안전 진단에 필수적인 절차다. 하지만 해당 과정은 현장에 전문검사관이 직접 방문하여 균열의 유무, 진행 여부 및 두께에 대한 정밀한 판단을 요구한다. 노후 건축물이 전국 건축물의 42.6%를 차지하는 현시점에서 전문검사관이 모든 건축물에 방문하여 세밀한 평가를 하기에 어려움이 따른다. 이에 딥러닝을 활용한 현장 안전 진단에 대한 수요가 증가하는 추세이다. 따라서 본 연구에서는 이미지를 기반으로 균열을 구획화하고 해당 균열의 최대 두께를 측정하는 딥러닝 모델을 제안한다. 이를 위하여 현장 안전 점검 도메인에 특화되어 있으며 균열의 두께 측정이 가능한 균열 구획화 데이터셋(POC)을 구축했다. 또한, 매직 완드 기법을 균열 구획화 라벨링에 적용하여 라벨의 신뢰도를 높였다. 해당 데이터셋을 기반으로 균열 구획화 모델 DenseNet201-UNet을 개발 및 고도화하여 검증한 결과, 84.53 Crack IoU 성능을 보였다. 최종적으로 예측된 균열 마스크 이미지에 골격화 알고리즘과 유클리드 거리 변환 알고리즘을 활용하여 균열 마스크 내 가장 두꺼운 균열 위치를 특정하고 해당 두께를 계산한다. 예측 두께와 실제 두께를 실증적으로 비교한 결과 두께의 오차가 0.09 cm로 매우 작으며, 현장 안전 점검에서 활용이 가능한 성능임을 검증했다.

Investigation and measurement of crack is essential in maintaining safety of the facility. If crack is present, thorough examination of whether its development is in-progress is necessary, followed by precise measurement of its thickness. Due to the growing number of facilities requiring regular monitoring, automation of crack examination process is gaining attention. This paper introduces an deep learning model specializing on crack segmentation and its measurement based on image. For this task, Pohang Crack(POC), an original dataset was established : focused on properly reflecting the safety check environment, involving a sticker to measure the thickness. In addition, we propose the application of magic wand algorithm in the annotation of crack segmentation task for improving its credibility. DenseNet201-UNet crack segmentation model achieved the performance of 84.53 Crack IoU on the proposed dataset. Finally, through image skeletonization and euclidean distance transform on predicted segmentation mask, the thickest part of the crack was identified and measured pixel-wise which was then converted to cm measure in comparison with the pixel measure of the sticker. Through comparing the thickness of actual and predicted measurement, the margin of error was 0.09 cm, verifying its capability in the application on on-site safety inspection.
#컴퓨터 비전 #딥러닝 #균열 #의미적 구획화 #이미지 골격화 #computer vision #deep learning #crack #semantic segmentation #image skeletonization

목차

요약
ABSTRACT
Ⅰ. Introduction
Ⅱ. Preliminaries
Ⅲ. Proposed Scheme
Ⅳ. Conclusion
References

참고문헌 (18)

참고문헌 신청
Ministry of Land, Infrastructure and Transport, A total of 7,275,266 buildings / 3.96 billion square meters nationwide (2021), Retrieved Nov. 04, 2022. from http://www.molit.go.kr/USR/NEWS/m_71/dtl.jsp?id=95085286&src=text&kw=000004 google schola Korea Authority of Land & Infrastructure Safety, “Safety Level Evaluation Manual on Class 3 Facilities,” (2021), from https://www.ksmi.or.kr/board/?_0000_method=view&ncode=a002&num=1487 google schola W. R. L. d. Silva and D. S. d. Lucena, “Concrete cracks detection based on deep learning image classification,” in 18th ICEM18, p. 489, Brussels, Belgium, Jun. 2018. (https://doi.org/10.3390/ICEM18-05387) google schola G. Y. Kim, D. H. Kim, and D. J. Kim, “Deep learning-based exterior wall crack detection method for building safety diagnosis,” J. Korean Inst. Plant Eng., vol. 26, no. 4, pp. 31-43, Dec. 2021. google schola Y. Liu, J. Yao, X. Lu, R. Xie, and L. Li, “DeepCrack: A deep hierarchical feature learning architecture for crack segmentation,” Elsevier , vol. 338, pp. 139-153, Apr. 2019. (https://doi.org/10.1016/j.neucom.2019.01.036) google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

미디어 이용자의 기술수용요인과 지각된 브랜드 품질 인식이 인터넷 라디오 플레이어 이용에 미치는 영향에 관한 연구 : “KBS 콩”, “MBC 미니”, “SBS 고릴라”를 중심으로
우형진 미디어 경제와 문화 2009.11
다품종 결함 감지를 위한 딥러닝 모델 개발
김호연 ,  한지훈 ,  김동주 외 3명 한국통신학회 학술대회논문집 2023.11
딥러닝 알고리즘 기반 병충해 농작물 판별 모델
신의진 ,  노영후 ,  홍정윤 외 3명 대한산업공학회 춘계공동학술대회 논문집 2023.05
Patient education in ERAS program
김경식 대한외과학회 학술대회 초록집 2012.11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-567-001463558