http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Cascade Mask R-CNN을 이용한 도로 균열 탐지
배숙경 ( Bae Suk-kyoung ),곽대운 ( Gwak Dae Un ),김태균 ( Kim Taegyoon ),정세란 ( Jeong Seran ),조수진 ( Cho Soojin ) 한국구조물진단유지관리공학회 2021 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.25 No.1
딥러닝 기술을 이용하여 구조물의 균열을 탐지하는 기술에 대한 연구가 활발하게 이루어지고 있다. 기존 연구에서는 탐지대상이 되는 균열의 라벨링을 실제 균열 크기보다 두껍게 하여, 딥러닝 모델이 탐지한 영역이 실제 균열보다 두껍게 나타난다. 이 경우 손상 정량화 단계에서 균열 폭의 계산을 위한 추가적인 영상처리가 필요하며, 이를 실무에서 적용하는 데 여러 어려움이 발생한다. 이에 본 연구에서는 균열의 폭에 딱 맞는 라벨링을 수행한 학습데이터를 이용하여, 탐지 영역이 실제 균열의 폭과 거의 근사하는 딥러닝 모델을 개발하였다. 딥러닝 모델로는 Instance Segmentation 모델인 Cascade Mask R-CNN 모델이 사용되었으며, 콘크리트 교면포장 사진 1,767장을 이용하여 학습하였다. 콘크리트 교면에서 발생한 0.2mm 균열들을 포함하는 18,592*10,000(pixel)이미지들을 대상으로 해당 모델의 성능을 검증하였다.