http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Physical interpretation of concrete crack images from feature estimation and classification
Robin Eunju Kim,Eunbyul Koh,Seung-Seop Jin 국제구조공학회 2022 Smart Structures and Systems, An International Jou Vol.30 No.4
Detecting cracks on a concrete structure is crucial for structural maintenance, a crack being an indicator of possible damage. Conventional crack detection methods which include visual inspection and non-destructive equipment, are typically limited to a small region and require time-consuming processes. Recently, to reduce the human intervention in the inspections, various researchers have sought computer vision-based crack analyses: One class is filter-based methods, which effectively transforms the image to detect crack edges. The other class is using deep-learning algorithms. For example, convolutional neural networks have shown high precision in identifying cracks in an image. However, when the objective is to classify not only the existence of crack but also the types of cracks, only a few studies have been reported, limiting their practical use. Thus, the presented study develops an image processing procedure that detects cracks and classifies crack types; whether the image contains a crazing-type, single crack, or multiple cracks. The properties and steps in the algorithm have been developed using field-obtained images. Subsequently, the algorithm is validated from additional 227 images obtained from an open database. For test datasets, the proposed algorithm showed accuracy of 92.8% in average. In summary, the developed algorithm can precisely classify crazing-type images, while some single crack images may misclassify into multiple cracks, yielding conservative results. As a result, the successful results of the presented study show potentials of using vision-based technologies for providing crack information with reduced human intervention.
포장도로 종단평탄성 추정을 위한 이미지 기반 머신러닝 및 분류학습 모델 개발
이영재 ( Lee Youngjae ),박성월 ( Piao Xingyue ),고은별 ( Koh Eunbyul ),김은주 ( Kim Robin Eunju ) 한국구조물진단유지관리공학회 2021 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.25 No.1
도시와 산업의 발전에 따라 주요 사회기반 시설물인 도로의 활용과 시설물 수가 급속도로 증가하였고, 차량의 수 또한 증가하였다. 이와 같은 사용 증가로 도로의 균열 혹은 포트홀과 같은 성능 저하가 발생했다. 과거 이러한 도로파손은 인력을 기반으로 관리되었다. 하지만 최근에는 보다 정량적인 측정을 위해 로드스캐너와 같은 장비를 통한 검사가 이루어지고 있고, IT 산업의 발전과 함께 컴퓨터 비전이나 머신러닝 등을 도로평가에 활용하려는 움직임이 늘어나고 있다. 본 연구는 2차원 이미지를 기반으로 한 머신러닝 및 분류학습 모델을 통하여 3차원 도로 거칠기 정보를 분석하는 것을 목표로 한다.
포장도로 종단평탄성 추정을 위한 이미지 기반 머신러닝 및 분류학습 모델 개발
이영재 ( Lee Youngjae ),박성월 ( Piao Xingyue ),고은별 ( Koh Eunbyul ),김은주 ( Kim Robin Eunju ) 한국구조물진단유지관리공학회 2021 한국구조물진단유지관리공학회 학술발표대회 논문집 Vol.25 No.1
도시와 산업의 발전에 따라 주요 사회기반 시설물인 도로의 활용과 시설물 수가 급속도로 증가하였고, 차량의 수 또한 증가하였다. 이와 같은 사용 증가로 도로의 균열 혹은 포트홀과 같은 성능 저하가 발생했다. 과거 이러한 도로파손은 인력을 기반으로 관리되었다. 하지만 최근에는 보다 정량적인 측정을 위해 로드스캐너와 같은 장비를 통한 검사가 이루어지고 있고, IT 산업의 발전과 함께 컴퓨터 비전이나 머신러닝 등을 도로평가에 활용하려는 움직임이 늘어나고 있다. 본 연구는 2차원 이미지를 기반으로 한 머신러닝 및 분류학습 모델을 통하여 3차원 도로 거칠기 정보를 분석하는 것을 목표로 한다.