http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
스몰 딥러닝을 이용한 아스팔트 도로 포장의 균열 탐지에 관한 연구
지봉준(Bongjun Ji) 한국지반환경공학회 2021 한국지반환경공학회논문집 Vol.22 No.10
아스팔트 포장의 균열은 날씨의 변화나 차량에 의한 충격으로 발생하며, 균열을 방치할 경우 포장 수명이 단축되고 각종 사고를 불러 일으킬 수 있다. 따라서 아스팔트 도로 포장의 균열을 빠르게 감지하여 보수조치를 취하기 위하여 이미지를 통해 균열을 자동으로 탐지하기 위한 연구들이 지속되어 왔다. 특히 최근들어 Convolutional Neural Network를 사용하여 아스팔트 도로 포장의 균열을 탐지하려는 모델들이 많이 연구되고 있으나, 고성능의 컴퓨팅 파워를 요구하기 때문에 실제 활용에는 한계가 있다. 이에 본 논문에서는 모바일 기기에 적용 가능한 스몰 딥러닝 모델을 적용하여 아스팔트 도로 포장의 균열을 탐지하는 모델의 개발을 위한 프레임워크를 제안한다. 사례연구를 통해 제안한 스몰 딥러닝 모델은 일반적인 딥러닝 모델들과 비교 연구되었으며, 상대적으로 적은 파라미터를 가지는 모델임에도 일반적인 딥러닝 모델들과 유사한 성능을 보였다. 개발된 모델은 모바일 기기나 IoT에 임베디드 되어 사용될 수 있을 것으로 기대된다. Cracks in asphalt pavement occur due to changes in weather or impact from vehicles, and if cracks are left unattended, the life of the pavement may be shortened, and various accidents may occur. Therefore, studies have been conducted to detect cracks through images in order to quickly detect cracks in the asphalt pavement automatically and perform maintenance activity. Recent studies adopt machine-learning models for detecting cracks in asphalt road pavement using a Convolutional Neural Network. However, their practical use is limited because they require high-performance computing power. Therefore, this paper proposes a framework for detecting cracks in asphalt road pavement by applying a small deep learning model applicable to mobile devices. The small deep learning model proposed through the case study was compared with general deep learning models, and although it was a model with relatively few parameters, it showed similar performance to general deep learning models. The developed model is expected to be embedded and used in mobile devices or IoT for crack detection in asphalt pavement.
Denoising Autoencoder 기반의 수위 데이터 품질 관리 프레임워크
지봉준 ( Bongjun Ji ),임경재 ( Kyoungjae Lim ),김종건 ( Jonggun Kim ),연재흠 ( Jaeheum Yeon ) 한국농공학회 2022 한국농공학회 학술대회초록집 Vol.2022 No.-
급변하는 기후변화로 홍수와 가뭄 등에 대응하기 위한 물관리의 중요성이 그 어느 때보다 중요해지고 있다. 수위 계측 데이터는 통합 물관리를 위한 기준이 되는 데이터로 물관리의 중요성이 증가하며 수위 계측 데이터의 중요성 또한 함께 증가하였다. 하지만 수위 계측 데이터는 센서의 오류로 인한 값의 누락 혹은 이상치의 측정, 또는 강력한 바람 등 외부 요인에 의해 실제 값과 다른 일시적 이상치가 측정되는 경우가 빈번하다. 이에 계측된 데이터의 값을 전처리 없이 그대로 사용할 경우, 잘못된 분석 결과와 의사결정을 낳을 수 있다. 본 연구는 이상 데이터를 제거하고 대체하기 위하여 Denoising Autoencoder 기법을 적용하였다. Denoising Autoencoder는 Autoencoder와 마찬가지로 Encoder와 Decoder로 구성되어 있으며, Input을 모사하는 인공신경망의 일종이다. Autoencoder와 달리 입력 데이터에 Noise를 추가함으로써 Noise에 둔감하고 Robust한 모델을 학습할 수 있다. 이러한 특성을 이용하여 수위 계측 데이터의 이상치를 보정하는데 활용할 수 있다. Denoising Autoencoder를 포함하는 데이터 품질관리 프레임워크는 실제 수위 계측 데이터에 적용되었고 기존의 규칙 기반 방법과 비교하여 높은 성능을 보였다. 본 연구에서 제안한 프레임워크는 다음과 같은 기여가 있다. 1) Labeling된 데이터를 얻기 힘들며 정상 데이터가 대부분인 수위계측 데이터는 Denoising Autoencoder를 적용하기 적합함을 보였다. 2) 전문가가 규칙을 일일이 생성하고 수정할 필요가 없는 프레임 워크를 제안하였다. 3) 또한 규칙 기반의 품질관리 기법과 달리 학습 데이터의 양이 증가함에 따라 더 높은 성능을 보일 것으로 기대된다.
시설물의 유지관리를 위한 기계학습 기반 콘크리트 균열 감지 프레임워크
지봉준(Bongjun Ji) 한국지반환경공학회 2021 한국지반환경공학회논문집 Vol.22 No.10
시설물의 노후화는 피할 수 없는 현상이다. 노후화된 시설물의 관리를 위해 균열을 감지하고 이를 추적하면서 시설물의 상태를 간접적으로 추론할 수 있다. 따라서 균열 감지는 노후화된 시설물의 관리를 위해 필수적 역할을 하며 감지 결과를 바탕으로 더 이상의 노후화를 막기 위한 활동을 할 수 있다. 하지만, 현재 대부분의 균열 감지는 전문가의 판단에만 의존하기에 시설물의 면적이 큰 경우 비용과 시간이 과도하게 사용되고, 전문가의 역량에 따라 다른 판단 결과가 발생할 수 있어 신뢰성에 문제가 있었다. 본 논문에서는 이러한 한계를 극복하기 위해 기계학습 기반의 콘크리트 균열 감지 프레임워크를 제안한다. 제안된 프레임워크는 데이터 분류, 기계학습 모델 학습, 학습된 모델의 검증과 테스트를 포함하는 프레임워크로 완전 자동화된 콘크리트 균열 감지가 가능하다. 제안된 프레임워크를 통해 학습된 기계학습 모델은 콘크리트 균열 이미지와 정상 이미지를 96%의 높은 정확도로 분류할 수 있었다. 본 논문에서 제안된 프레임워크를 적용하여 기존의 전문가 중심의 시설물 유지관리보다 더욱 효과적이고 효율적인 시설물의 유지관리가 가능할 것으로 기대된다. The deterioration of facilities is an unavoidable phenomenon. For the management of aging facilities, cracks can be detected and tracked, and the condition of the facilities can be indirectly inferred. Therefore, crack detection plays a crucial role in the management of aged facilities. Conventional maintenances are conducted using the crack detection results. For example, maintenance activities to prevent further deterioration can be performed. However, currently, most crack detection relies only on human judgment, so if the area of the facility is large, cost and time are excessively used, and different judgment results may occur depending on the expert"s competence, it causes reliability problems. This paper proposes a concrete crack detection framework based on machine learning to overcome these limitations. Fully automated concrete crack detection was possible through the proposed framework, which showed a high accuracy of 96%. It is expected that effective and efficient management will be possible through the proposed framework in this paper.
아스팔트 혼합물의 골재 간극률 예측을 위한 기계학습 프레임워크
박혜민,나일호,김현환,지봉준,Hyemin Park,Ilho Na,Hyunhwan Kim,Bongjun Ji 한국지반신소재학회 2024 한국지반신소재학회 논문집 Vol.23 No.1
The Voids in the Mineral Aggregate (VMA) within asphalt mixtures play a crucial role in defining the mixture's structural integrity, durability, and resistance to environmental factors. Accurate prediction and optimization of VMA are essential for enhancing the performance and longevity of asphalt pavements, particularly in varying climatic and environmental conditions. This study introduces a novel machine learning framework leveraging ensemble machine learning model for predicting VMA in asphalt mixtures. By analyzing a comprehensive set of variables, including aggregate size distribution, binder content, and compaction levels, our framework offers a more precise prediction of VMA than traditional single-model approaches. The use of advanced machine learning techniques not only surpasses the accuracy of conventional empirical methods but also significantly reduces the reliance on extensive laboratory testing. Our findings highlight the effectiveness of a data-driven approach in the field of asphalt mixture design, showcasing a path toward more efficient and sustainable pavement engineering practices. This research contributes to the advancement of predictive modeling in construction materials, offering valuable insights for the design and optimization of asphalt mixtures with optimal void characteristics.
고데스체리로즈 ( Cherry Rose Godes ),임원빈 ( One-bin Lim ),김용성 ( Yongsung Kim ),지봉준 ( Bongjjun Ji ),연재흠 ( Jaeheum Yeon ) 한국농공학회 2023 한국농공학회 학술대회초록집 Vol.2023 No.0
Landslides pose significant threats to communities and infrastructure, necessitating comprehensive risk assessment for effective mitigation strategies. This abstract presents a novel approach to landslide risk assessment for South Korea, revealing three previously unconsidered factors in the traditional local landslide risk assessment: aspect, elevation, and soil type. Conventional risk assessments have overlooked and have not considered these crucial causative factors, leading to incomplete evaluations. This study uncovers correlations between landslide occurrences and the overlooked variables by integrating data mining and co-occurrence network analysis. The goal is to provide landslide risk evaluators with a more accurate and holistic understanding of landslide risk, facilitating better-informed decision-making. The research highlights the significance of integrating previously neglected factors to enhance the overall effectiveness of landslide risk assessment. The key findings underscore the importance of considering aspect, elevation, and soil type when evaluating landslide risk, enabling stakeholders to anticipate better and address landslide susceptibility in vulnerable regions. This research advances local landslide risk assessment methodologies by shedding light on three essential factors overlooked in traditional approaches. By embracing data mining and network analysis techniques, our findings empower communities and decision-makers with the knowledge needed to develop proactive strategies for mitigating landslide risks and ensuring the safety of vulnerable areas.