지하구조물 콘크리트 균열 탐지를 위한 semi-supervised 의미론적 분할 기반의 적대적 학습 기법 연구

심승보,최상일,공석민,이성원 사단법인 한국터널지하공간학회 2020 한국터널지하공간학회논문집 Vol.22 No.5

Underground concrete structures are usually designed to be used for decades, but in recent years, many of them are nearing their original life expectancy. As a result, it is necessary to promptly inspect and repair the structure, since it can cause lost of fundamental functions and bring unexpected problems. Therefore, personnel-based inspections and repairs have been underway for maintenance of underground structures, but nowadays, objective inspection technologies have been actively developed through the fusion of deep learning and image process. In particular, various researches have been conducted on developing a concrete crack detection algorithm based on supervised learning. Most of these studies requires a large amount of image data, especially, label images. In order to secure those images, it takes a lot of time and labor in reality. To resolve this problem, we introduce a method to increase the accuracy of crack area detection, improved by 0.25% on average by applying adversarial learning in this paper. The adversarial learning consists of a segmentation neural network and a discriminator neural network, and it is an algorithm that improves recognition performance by generating a virtual label image in a competitive 통상적으로 콘크리트 지하 구조물은 수십 년 이상 사용할 수 있도록 설계되지만 최근 들어 구조물 중 상당수가 당초의 기대 수명에 근접하고 있는 실정이다. 그 결과 구조물 고유의 기능이 상실되고 다양한 문제가 야기될 수 있어 신속한 점검과 보수가 요구되고 있다. 이를 위해 지금까지는 지하 구조물 유지관리를 위하여 인력 기반의 점검과 보수가 진행되었으나 최근에는 인공지능과 영상 기술의 융합을 통한 객관적인 점검 기술 개발이 활발하게 이루어지고 있다. 특히 딥러닝을 활용한 영상 인식 기술을 적용하여 지도학습 기반의 콘크리트 균열 탐지 알고리즘 개발에 관한 연구가 다양하게 진행되고있다. 이러한 연구들은 대부분 지도학습 형태 영상 인식 기술로 많은 양의 데이터를 바탕으로 개발이 되는데, 그 중에도 많은 수의 라벨 영상(Label image)이 요구된다. 이를 확보하기 위해서는 현실적으로 많은 시간과 노동력이 필요한 실정이다. 본 논문에서는 이와 같은 문제를 개선하고자 적대적 학습 기법을 적용하여 균열 영역 탐지 정확도를 평균적으로 0.25% 향상시키는 방법을 기술하고자 한다. 이 적대적 학습은 분할(Segmentation) 신경망과 판별자(Discriminator) 신경망으로 구성되어 있고, 가상의 라벨 영상을 경쟁적인 구조로 생성하여 인식 성능을 높이는 알고리즘이다. 본 논문에서는 이 같은 방법을 활용하여 효율적인 심층 신경망 학습 방법을 제시하였고, 향후에 정확한 균열 탐지에 활용될 것으로 기대한다.

가교도에 따른 태양광 모듈용 필름의 투과율 개선 연구

심승보,이지은,정일두,엄기용 한국고분자학회 2021 한국고분자학회 학술대회 연구논문 초록집 Vol.46 No.2

봉지제는 셀을 보호해 모듈의 내구성을 결정하는 중요한 인자 중의 하나이다. 셀용 봉지제는 빛을 투과해야 하므로 투명성이 요구되고 셀의 파손을 방지하는 유연성, 태양열을 견디는 열안정성, 전기회로의 누전을 방지하기 위한 절연성, 유리와 백시트를 잡아주는 접착성 및 내후성이 요구된다. 현재 태양광 봉지재는 EVA, POE, PVB, 실리콘, 아이오노 등이 사용되고 있으며, 이중 EVA 계 소재가 가장 널리 사용되고 있다. EVA(Ethylene Vinyl Acetate Copolymer)는 초산 발생 문제와 더불어 수분흡수율이 높은 단점이 있어, 이를 개선하고자 하는 연구가 진행중이다. 본 연구에서는 PID(Potential Induced Degradation) 문제가 거의 발생하지 않고 체적저항과 수분 침투율을 강화한 POE 를 사용하여 내구성 및 접착성을 개선하여 태양광 모듈용 필름으로 적용하고자 하였다. POE 의 내구성 및 내열성을 개선하기 위해 가교 시스템을 도입하였으며, 접착성과 내변색 특성의 개선을 위해 커플링제와 안정제 등을 첨가하여 제조된 조성물의 가교도와 첨가제에 따른 필름의 강도, 투과율, 접착성을 비교하였다.

도로 노면 파손 영상의 다중 분류 심층 신경망 평가를 통한 Backbone Network 선정 기법

심승보,송영은 한국ITS학회 2019 한국ITS학회논문지 Vol.18 No.3

최근 들어 인공 지능을 이용한 영상 객체 인식에 대한 연구 및 개발이 활발하게 진행되고 있다. 그 연장선상에서 도로 유지 및 관리 분야에도 관련 연구의 활용도가 크게 향상될 것으로 기대된다. 그 중에서도 특히 도로 노면 파손 객체 인식 (Object Detection) 을 위한 인공 지능 모델이 지속적으로 개발되고 있다. 이러한 객체 인식 알고리즘을 개발하려면 우선적으로 특징 지도를 생성하는 Backbone Network가 반드시 필요한데, 본 논문에서는 이를 선정하는 방법을 제안하고자 한다. 이를 위해 6,000여 장의 도로 노면 파손 영상 데이터를 확보하고, 근래에 많 이 사용되는 4종류의 심층 신경망을 활용하여 성능을 비교한다. 3가지의 성능 평가 방법을 적 용하여 심층 신경망의 특징을 분석하고 최적의 심층 신경망을 결정한다. 또한 하이퍼 파라미 터의 최적 조율을 통해 성능을 향상시키고, 최종적으로 도로 노면 파손 영상 분류를 위하여 85.9%의 정확도로 수행이 가능한 경량화된 Backbone Network용 심층 신경망을 제안한다. In recent years, research and development on image object recognition using artificial intelligence have been actively carried out, and it is expected to be used for road maintenance. Among them, artificial intelligence models for object detection of road surface are continuously introduced. In order to develop such object recognition algorithms, a backbone network that extracts feature maps is essential. In this paper, we will discuss how to select the appropriate neural network. To accomplish it, we compared with 4 different deep neural networks using 6,000 road surface damage images. Based on three evaluation methods for analyzing characteristics of neural networks, we propose a method to determine optimal neural networks. In addition, we improved the performance through optimal tuning of hyper-parameters, and finally developed a light backbone network that can achieve 85.9% accuracy of road surface damage classification.

도로 노면 파손 탐지를 위한 배경 객체 인식 기반의 지도 학습을 활용한 성능 향상 알고리즘

심승보,전찬준,류승기 한국ITS학회 2019 한국ITS학회논문지 Vol.18 No.3

최근 들어 도로 노면 파손의 위치 정보를 수집하기 위한 영상 처리 기술에 대한 연구가 활 발히 진행되고 있다. 대표적으로 차량에 탑재가 가능한 스마트폰이나 블랙박스를 통해 영상을 얻고 이를 영상처리 알고리즘을 사용하여 인식하는 기술이 주로 사용된다. GPS 모듈과 연계하 여 실제 파손 위치를 파악할 때 가장 중요한 기술은 영상 처리 알고리즘인데, 근래에는 대부분 인공지능을 통한 알고리즘이 연구 주제로 주목받고 있다. 이와 같은 맥락에서 본 연구에서도 영역 기반의 합성곱 방식 계열의 객체인식 (Object Detection) 방법을 사용한 인공지능 영상 처 리 알고리즘에 대하여 논의하고자 한다. 도로 노면 파손 객체 인식 성능을 향상시키기 위하여 도로 노면 파손 영상 600여 장과 일반적인 도로 주행 영상 1500여 장으로 학습 데이터베이스를 구성하였다. 또한 배경 객체 인식 방법을 적용한 지도 학습을 수행하여 도로 노면 파손의 오탐 을 감소시켰다. 그 결과 동일한 테스트용 데이터베이스를 통해 알고리즘의 인식 성능을 mAP 평균값 기준 9.44%만큼 향상시킨 새로운 방법을 소개하고자 한다. In recent years, image processing techniques for detecting road surface damaged spot have been actively researched. Especially, it is mainly used to acquire images through a smart phone or a black box that can be mounted in a vehicle and recognize the road surface damaged region in the image using several algorithms. In addition, in conjunction with the GPS module, the exact damaged location can be obtained. The most important technology is image processing algorithm. Recently, algorithms based on artificial intelligence have been attracting attention as research topics. In this paper, we will also discuss artificial intelligence image processing algorithms. Among them, an object detection method based on an region-based convolution neural networks method is used. To improve the recognition performance of road surface damage objects, 600 road surface damaged images and 1500 general road driving images are added to the learning database. Also, supervised learning using background object recognition method is performed to reduce false alarm and missing rate in road surface damage detection. As a result, we introduce a new method that improves the recognition performance of the algorithm to 8.66% based on average value of mAP through the same test database.

적대적 학습을 이용한 도로 노면 파손 탐지 알고리즘

심승보,Shim, Seungbo 한국ITS학회 2021 한국ITS학회논문지 Vol.20 No.4

도로 노면 파손 탐지는 쾌적한 주행 환경과 안전사고의 예방을 위해 필요하다. 도로 관리 기관은 자동화 기술 기반의 검사 장비와 시스템을 활용하고 있다. 이러한 자동화 기술 중에서도 도로 노면의 파손을 탐지하는 기술은 중요한 역할을 수행한다. 최근 들어 딥러닝을 이용한 기술에 대한 연구가 활발하게 진행 중이다. 이러한 딥러닝 기술 개발을 위해서는 도로 영상과 라벨 영상이 필요하다. 하지만 라벨 영상을 확보하기 위해서는 많은 시간과 노동력이 요구된다. 본 논문에서는 이러한 문제를 해결하기 위하여 준지도 학습 기법 중 하나인 적대적 학습 방법을 제안했다. 이를 구현하기 위해서 5,327장의 도로 영상과 1,327장의 라벨 영상을 사용하여 경량화 심층 신경망 모델을 학습했다. 그리고 이를 400장의 도로 영상으로 실험한 결과 80.54%의 mean intersection over union과 77.85%의 F1 score를 갖는 모델을 개발하였다. 결과적으로 라벨 영상 없이 도로 영상만을 학습에 추가하여 인식 성능을 향상시킬 수 있는 기술을 개발하였고, 향후 도로 노면 관리를 위한 기술로 활용되길 기대한다. Road surface damage detection is essential for a comfortable driving environment and the prevention of safety accidents. Road management institutes are using automated technology-based inspection equipment and systems. As one of these automation technologies, a sensor to detect road surface damage plays an important role. For this purpose, several studies on sensors using deep learning have been conducted in recent years. Road images and label images are needed to develop such deep learning algorithms. On the other hand, considerable time and labor will be needed to secure label images. In this paper, the adversarial learning method, one of the semi-supervised learning techniques, was proposed to solve this problem. For its implementation, a lightweight deep neural network model was trained using 5,327 road images and 1,327 label images. After experimenting with 400 road images, a model with a mean intersection over a union of 80.54% and an F1 score of 77.85% was developed. Through this, a technology that can improve recognition performance by adding only road images was developed to learning without label images and is expected to be used as a technology for road surface management in the future.

Fast R-CNN을 이용한 객체 인식 기반의 도로 노면 파손 탐지 기법

심승보,전찬준,류승기 한국ITS학회 2019 한국ITS학회논문지 Vol.18 No.2

도로 관리 주체는 도로 파손을 보수하기 위해 적지 않은 비용을 투입한다. 이러한 파손은 자연 요인과 노후화로 인하여 필연적으로 발생을 하는데, 효율적인 보수를 위한 유지보수 기 술이 필요하다. 이런 수요에 대응하기 위해 여러 가지 기술들이 개발되고 적용되고 있지만, 최 근 들어서는 차량용 블랙박스 형태로 수집한 영상 정보를 바탕으로 도로 노면 파손 유지 보수 기술이 개발되고 있다. 이 파손 영역을 추출하는 방법에는 여러 가지가 있지만, 본 논문에서는 최근 활발히 연구되고 있는 심층 신경망 구조의 영상인식 기술에 대해 논하고자 한다. 특히 영역 기반의 합성곱 알고리즘을 이용하여 영상 내에서 도로 파손 유무와 그 영역을 추정할 수 있는 새로운 심층 신경망을 소개한다. 이를 개발하기 위해 실제 주행을 통해서 600여장의 영상 데이터를 수집하였고, 이를 활용하여 학습을 수행하였다. 그 결과 기존 모델과 성능을 비교하 여 10.67% 향상된 신경망을 개발하였다. The road management institute needs lots of cost to repair road surface damage. These damages are inevitable due to natural factors and aging, but maintenance technologies for efficient repair of the broken road are needed. Various technologies have been developed and applied to cope with such a demand. Recently, maintenance technology for road surface damage repair is being developed using image information collected in the form of a black box installed in a vehicle. There are various methods to extract the damaged region, however, we will discuss the image recognition technology of the deep neural network structure that is actively studied recently. In this paper, we introduce a new neural network which can estimate the road damage and its location in the image by region-based convolution neural network algorithm. In order to develop the algorithm, about 600 images were collected through actual driving. Then, learning was carried out and compared with the existing model, we developed a neural network with 10.67% accuracy.

인공지능 기반의 도로 노면 파손 유무 판별 고속 알고리즘 개발

심승보,전찬준,최상일,류승기 한국ITS학회 2018 한국ITS학회 학술대회 Vol.2018 No.04

비대면 체육수업 경험이 수업 만족도 및 효과성에 미치는 영향

심승보,김하영 중앙대학교 학교체육연구소 2022 Asian Journal of Physical Education of Sport Scien Vol.10 No.4

본 연구는 학생들이 경험한 비대면 즉, 온라인 체육수업을 토대로 학생들의 만족도와 효과성을 분석하여 미래 지향적인 체육수업으로의 발전 방향 탐색하는 데 목적이 있다. 본 연구의 목적을 규명하기 위하여 비확률표본 추출 방법 중 편의표집 방법을 이용하여 서울특별시 중학교 4곳에서 중학생을 선정하고 설문지를 배포하였으 며 413부 중 불성실한 응답을 제외한 총 366부의 설문지를 활용하였다. 설문을 통해 수집된 자료의 통계처리 는 SPSS Ver. 23을 이용하여 연구의 목적에 따라 전산 처리하였다. 이를 통해 얻은 결과는 다음과 같다. 첫째. 성별에 따른, 개인 운동 여부에 따른 온라인 수업 만족도는 차이가 없었다. 이는 학생 개인의 생각에 따라 온 라인 체육수업의 만족도가 각기 다르다는 것으로 나타난 것이다. 둘째, 성별과 개인 운동 여부 및 선호하는 수업방식에 따른 온라인 체육수업의 효과성은 차이가 없는 것으로 나타났으며, 학년에 따라 온라인 체육수업 의 효과성은 차이가 있는 것으로 나타났다. 또한, 온라인 체육수업 만족도가 효과성에 미치는 영향으로는 수 업 지도 방법에 가장 큰 영향을 미치는 것으로 나타났으며, 수업내용, 수업환경 순으로 나타났다.

폴리머 블렌드에 의한 고분자 조성물의 내한 유연성 개선 연구

심승보,이지은,박재형,정일두 한국고분자학회 2021 한국고분자학회 학술대회 연구논문 초록집 Vol.46 No.2

극지방의 플랜트와 선박에서 사용 가능한 혹한의 환경에서 견딜 수 있는 선박용 케이블은 -40 ℃에서 견딜 수 있는 전선이 국·내외 보편적으로 사용되고 있었으나, 최근에는 –65 ℃이상 까지 내한성을 요구하는 케이블 수요도 점차적으로 증가하고 있는 추세이다. 현재는 EVA 와 LDPE 등이 대부분 사용되고 있으나 보다 더 낮은 온도에서 사용 가능한 조성물의 개발이 요구되고 있다. 본 연구에서는 내한성을 개선시키기 위해 개질 열가소성 탄성 소재와 합성고무 등을 블렌드하여 유리전이 온도와 내한성의 상관 관계를 평가하였으며, 이를 통해 저온 가요성이 우수한 조성물에 대한 연구를 진행하였다. 내한성의 부여를 위해 저온에서 Tg 를 가지는 TPE 계 베이스 폴리머 시스템을 도입하였고, 유연성을 부여하기 위해 상용화제와 합성고무를 블렌드하여 –65 ℃에서도 유연성을 확보한 초내한 소재에 대한 배합비를 확보하였다. 개발된 조성물은 극지 운항 선박용 전선 소재로 적용할 예정이다.

Focal loss와 데이터 증강 기법을 이용한 콘크리트 박락 탐지 심층 신경망 알고리즘

심승보,최상일,공석민,이성원,Shim, Seungbo,Choi, Sang-Il,Kong, Suk-Min,Lee, Seong-Won 한국터널지하공간학회 2021 한국터널지하공간학회논문집 Vol.23 No.4

콘크리트 구조물은 노후화와 외부 환경에 의한 요인으로 훼손된다. 이 같은 훼손은 가장 먼저 균열로 나타나고 향후에는 박락으로도 진행된다. 이러한 콘크리트 손상은 구조물이 갖는 본래의 설계 지지력을 감소시키는 주된 원인으로 작용할 수 있어 구조물의 안정성에 부정적인 영향을 미친다. 이러한 종류의 손상이 지속되면 안전사고로도 이어질 가능성이 있어 적절한 보수와 보강이 필요하다. 이를 위해서는 구조물에 대한 정확하고 객관적인 상태 점검이 이루어져야 하며 손상 영역을 탐지할 수 있는 센서 기술 또한 필요하다. 따라서 본 논문에서는 박락을 탐지할 수 있는 딥러닝 기반의 영상처리 알고리즘을 제안했다. 연구 과정에서 298장의 박락 영상을 확보하였으며, 이 가운데 253장을 학습용으로 사용했고, 나머지 45장을 테스트용으로 사용하였다. 아울러 본 논문에서는 탐지 성능을 향상하기 위해 향상된 손실함수와 데이트 증강 기법을 적용하였다. 그 결과 콘크리트 박락의 탐지 성능이 80.19%의 평균 중첩 정확도로 나타났다. 본 논문에서는 딥러닝 기반의 영상 처리 기법을 통해 콘크리트 박락을 탐지하는 기술을 개발했고, 향상된 손실 함수와 데이터 증강 기법으로 성능을 향상시키는 방법을 제안했다. 이 같은 기술은 향후 구조물의 정확한 점검과 진단에 활용될 것으로 기대된다. Concrete structures are damaged by aging and external environmental factors. This type of damage is to appear in the form of cracks, to proceed in the form of spalling. Such concrete damage can act as the main cause of reducing the original design bearing capacity of the structure, and negatively affect the stability of the structure. If such damage continues, it may lead to a safety accident in the future, thus proper repair and reinforcement are required. To this end, an accurate and objective condition inspection of the structure must be performed, and for this inspection, a sensor technology capable of detecting damage area is required. For this reason, we propose a deep learning-based image processing algorithm that can detect spalling. To develop this, 298 spalling images were obtained, of which 253 images were used for training, and the remaining 45 images were used for testing. In addition, an improved loss function and data augmentation technique were applied to improve the detection performance. As a result, the detection performance of concrete spalling showed a mean intersection over union of 80.19%. In conclusion, we developed an algorithm to detect concrete spalling through a deep learning-based image processing technique, with an improved loss function and data augmentation technique. This technology is expected to be utilized for accurate inspection and diagnosis of structures in the future.