해상 교량기초의 육상화 구간 시공성 향상을 위한 가축도 설계 개선 사례

심승보,김의성,안창윤,Sim, Seung-Bo,Kim, Ui-Seong,An, Chang-Yun 한국지반공학회 2011 지반 : 한국지반공학회지 Vol.27 No.2

해상 교량기초의 육상화 구간 시공성 향상을 위한 가축도 서례 개선 사례

심승보,김의성,안창윤 한국지반공학회 2011 지반 : 한국지반공학회지 Vol.27 No.2

체육 전공생들의 가상(VR)스포츠 체험을 통한 미래체육 발전방향 탐색

심승보,김석산,김하영 대한체육학회 2023 대한스포츠융합학회지 (jcses) Vol.21 No.3

The purpose of this study was to explore the educational value of future physical education of VR sports. For the purpose of this study, 21 college students were selected and then allowed to experience VR sports to conduct Focus Group interviews. The results are as follows. First, the study participants indicated that VR sports had an athletic effect and was fun to enjoy more than the traditional PE. Second, the VR sports field could be developed as a new physical education that was different from the existing physical education classes. Third, VR sports were essential for future physical education classes and required the development of equipment and technology. Therefore, VR sports could have a great influence on psychomotor, affective, and cognitive development in physical education as the digitalized PE fileds.

계층적 학습 기반 다중 콘크리트 손상에 대한 의미론적 분할

심승보,민지영 한국구조물진단유지관리공학회 2022 한국구조물진단유지관리공학회 논문집 Vol.26 No.6

구조물의 공용연수가 증가함에 따라 각종 성능 저하가 발생한다. 특히 국내 인프라 구조물은 대부분 경제가 성장하는 시기에 집중적으로 건설되었기 때문에 노후 인프라 비율 급증이 최근 주요 이슈가 되고 있다. 인프라의 노후화는 자칫 안전사고로 이어질 수 있으며 인명피해까지 유발할 수 있다. 이러한 문제를 사전에 예방하기 위하여 주기적이고 정확한 점검 및 유지관리가 필수적이다. 이 같은 이유로 최근 컴퓨터 비전과 딥러닝을 활용하여 다양한 손상을 탐지하는 연구에 대한 수요가 원격점검 혹은 점검자동화 분야에서 증가하고 있다. 따라서 본 논문에서는 콘크리트 손상의 종류를 세 가지로 구분하여 이를 탐지할 수 있는 신경망 구조를 제안했다. 특히 계층적 학습 기법을 통해 보다 정확하게 다양한 손상을 탐지할 수 있는 신경망을 개발하였다. 이 신경망은 2,026장의 손상 영상으로 학습되었고, 508장의 손상 영상으로 실험하였다. 그 결과 67.04%의 평균 중첩 정확도와 52.65%의 F1 점수를 갖는 알고리즘을 완성하였다. 이 같은 손상 탐지 알고리즘은 향후 구조물의 정확한 상태 진단에 활용될 수 있으리라 기대한다. The condition of infrastructure deteriorates as the service life increases. Since most infrastructure in South Korea were intensively built duringthe period of economic growth, the proportion of outdated infrastructure is rapidly increasing now. Aging of such infrastructure can lead to safetyaccidents and even human casualties. To prevent these issues in advance, periodic and accurate inspection is essential. For this reason, the need for researchto detect various types of damage using computer vision and deep learning is increasingly required in the field of remotely controlled or autonomousinspection. To this end, this study proposed a neural network structure that can detect concrete damage by classifying it into three types. In particular,the proposed neural network can detect them more accurately through a hierarchical learning technique. This neural network was trained with 2,026damage images and tested with 508 damage images. As a result, we completed an algorithm with average mean intersection over union of 67.04%and F1 score of 52.65%. It is expected that the proposed damage detection algorithm could apply to accurate facility condition diagnosis in the nearfuture

LiDAR 반사 강도 영상의 초해상화 신경망 모델 최적화를 위한 파라미터 분석

심승보 한국ITS학회 2023 한국ITS학회논문지 Vol.22 No.5

LiDAR is used in autonomous driving and various industrial fields to measure the size and distance of an object. In addition, the sensor also provides intensity images based on the amount of reflected light. This has a positive effect on sensor data processing by providing information on the shape of the object. LiDAR guarantees higher performance as the resolution increases but at an increased cost. These conditions also apply to LiDAR intensity images. Expensive equipment is essential to acquire high-resolution LiDAR intensity images. This study developed artificial intelligence to improve low-resolution LiDAR intensity images into high-resolution ones. Therefore, this study performed parameter analysis for the optimal super-resolution neural network model. The super-resolution algorithm was trained and verified using 2,500 LiDAR intensity images. As a result, the resolution of the intensity images were improved. These results can be applied to the autonomous driving field and help improve driving environment recognition and obstacle detection performance.

균열 탐지의 의미론적 분할을 위한 Mean Teacher 학습 구조 최적화

심승보 한국구조물진단유지관리공학회 2023 한국구조물진단유지관리공학회 논문집 Vol.27 No.5

인프라 구조물은 대부분 경제 성장기에 완공되었다. 이러한 인프라 구조물은 최근 들어 공용연수가 점차 증가하고 있어 노후 구조물의 비중이 점차 증가하고 있다. 이러한 노후 구조물은 설계 당시의 기능과 성능이 저하될 수 있고 안전사고로까지 이어질 수 있다. 이를 예방하기 위해서는 정확한 점검과 적절한 보수가 필수적이다. 이를 위해서는 우선 미세한 균열까지 정확히 탐지할 수 있도록 컴퓨터 비전과 딥러닝기술에 수요가 증가하고 있다. 하지만 딥러닝 알고리즘은 다수의 학습 데이터가 있어야 한다. 특히 영상 내 균열의 위치를 표시한 라벨 영상은필수적이다. 이러한 라벨 영상을 다수 확보하기 위해서는 많은 노동력과 시간이 필요한 실정이다. 이러한 비용을 절감하고 탐지 정확도를 높이기 위해서 본 연구에서는 mean teacher 방식의 학습 구조를 제안하였다. 이 학습 구조는 900장의 라벨 영상 데이터 세트와 3000장의 비라벨 영상 데이터 세트로 훈련되었다. 학습된 균열 탐지 신경망 모델은 300여장의 실험용 데이터 세트를 통해 평가되었고 탐지 정확도는 89.23%의mean intersection over union과 89.12%의 F1 score를 기록하였다. 이 설험을 통해 지도학습과 비교하여 탐지 성능이 향상된 것을 확인하였다. 향후에 이러한 방법은 라벨 영상을 확보하는데 필요한 비용을 절감하는데 활용될 것으로 기대한다. Most infrastructure structures were completed during periods of economic growth. The number of infrastructure structures reaching their lifespan is increasing, and the proportion of old structures is gradually increasing. The functions and performance of these structures at the time of design may deteriorate and may even lead to safety accidents. To prevent this repercussion, accurate inspection and appropriate repair are requisite. To this end, demand is increasing for computer vision and deep learning technology to accurately detect even minute cracks. However, deep learning algorithms require a large number of training data. In particular, label images indicating the location of cracks in the image are required. To secure a large number of those label images, a lot of labor and time are consumed. To reduce these costs as well as increase detection accuracy, this study proposed a learning structure based on mean teacher method. This learning structure was trained on a dataset of 900 labeled image dataset and 3000 unlabeled image dataset. The crack detection network model was evaluated on over 300 labeled image dataset, and the detection accuracy recorded a mean intersection over union of 89.23% and an F1 score of 89.12%. Through this experiment, it was confirmed that detection performance was improved compared to supervised learning. It is expected that this proposed method will be used in the future to reduce the cost required to secure label images.

인공 신경망을 활용한 아스팔트 바인더의 노화도 평가

심승보,윤태영 한국도로학회 2023 한국도로학회논문집 Vol.25 No.5

PURPOSES : This study aims to determine whether machine learning techniques based on the results of chemical analysis experiments can be rationally applied to evaluate the aging of various asphalt binders used throughout the country. METHODS : We conducted chemical experiments such as FT-IR, H-NMR, C- NMR, and GPC for the three-stage aging levels of eight types of asphalt binders used in the country and utilized two artificial neural network models to determine valid chemical experimentation and conditions for the use of neural modeling through predictions. RESULTS : The M-prop model, which combined the findings from each neural network model into a single artificial neural network model, demonstrated superior predictive performance compared with the M-base model, which assessed aging using two cluster layers. In addition, the minimum amount of data required to achieve 100% predictive accuracy for the target asphalt binders, regardless of the artificial neural network model, was 18, and the amount of training data decreased to less than 50%. CONCLUSIONS : The predictive accuracy of the aging of asphalt binders was significantly enhanced when GPC data was used, indicating that GPC should be prioritized in evaluating the aging of asphalt binders.

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.

각도를 가지는 전극 구조를 가지는 DBD 방전에서 전극 간격과 압력 변화에 따른 방전 특성 연구

심승보,배효원,이호준,이해준 한국진공학회 2012 한국진공학회 학술발표회초록집 Vol.2012 No.2

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.