http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
탄소섬유강화플라스틱CFRP의 인장하중하에서의 파괴거동에 따른 음향방출신호 특성에 관한 연구
이경원 ( Kyung Won Lee ),이상윤 ( Sang Yun Lee ),남준영 ( Jun Young Nam ),이종오 ( Jong Oh Lee ),이상율 ( Sang Yul Lee ),이보영 ( Bo Young Lee ) 한국항공운항학회 2010 한국항공운항학회지 Vol.18 No.4
Recently, aerospace structures have lightweight trend in order to reduce the cost of fuel and system, Carbon Fiber Reinforced Plastic (CFRP) can give the ability to reduce weight at 20~50% as the substitution of metal alloy, and there are advantages such as high Non-rigid, specific strength and anti-corrosion, but it is difficult to prove its destruction properties due to heterogeneous structure and anisotropy. In this study we designed specimen, inducing distinguishing destructions of material (for example, matrix crack, fiber breakage, and delamination) by using the Carbon Fiber Reinforced Plastic (CFRP) which is used in a real aircraft, to apply acoustic emission technique to aerospace structures. And we gained data via tensile testing and acoustic emission technique, from which each fault signal was classified respectively by using AE parameters and waveform.
CNN을 이용한 딥러닝 기반 하수관 손상 탐지 분류 시스템
Syed Ibrahim Hassan,Dang Lien Minh,임수현(Su-hyeon Im),민경복(Kyung-bok Min),남준영(Jun-young Nam),문현준(Hyeon-joon Moon) 한국정보통신학회 2018 한국정보통신학회논문지 Vol.22 No.3
연구는 인공지능 분야의 딥러닝 기술을 기반으로 한 하수관 손상의 자동 탐지 분류 시스템을 제안한다. 성능의 최적화를 위하여 DB 획득 시 발생된 조도 및 그림자 변화와 같은 다양한 환경변화에 강인한 시스템을 구현하였다. 제안된 시스템에서는 Convolutional Neural Network(CNN) 기반의 균열 탐지 및 손상 분류 기법을 구현하였다. 최적의 결과를 위하여 256 x 256 픽셀 해상도의 CCTV 영상 9,941개를 이용하여 CNN모델을 적용하여 손상부위에 대한 딥러닝을 수행하였고 그 결과 98.76 %의 인식률을 획득하였다. 기계학습을 통한 딥러닝 모델을 기반으로 다양한 환경의 하수도 DB에서 720 x 480 픽셀 해상도의 646개의 이미지를 추출하여 성능 평가를 수행 하였다. 본 시스템은 다양한 환경에서 구축된 하수관 데이터베이스 에서 손상 유형의 자동 탐지 및 분류에 최적화된 인식률을 제시한다. We propose an automatic detection and classification system of sewer damage database based on artificial intelligence and deep learning. In order to optimize the performance, we implemented a robust system against various environmental variations such as illumination and shadow changes. In our proposed system, a crack detection and damage classification method using a deep learning based Convolutional Neural Network (CNN) is implemented. For optimal results, 9,941 CCTV images with 256 x 256 pixel resolution were used for machine learning on the damaged area based on the CNN model. As a result, the recognition rate of 98.76% was obtained. Total of 646 images of 720 x 480 pixel resolution were extracted from various sewage DB for performance evaluation. Proposed system presents the optimal recognition rate for the automatic detection and classification of damage in the sewer DB constructed in various environments.