드론 탑재용 임베디드 기기를 이용한 균열 관리 시스템 = Crack Management System Using the Embedded Device for Drone Mounting

다국어 초록 (Multilingual Abstract)

Bridge damage is a case in which physical forces act on the inside and outside of the bridge and maintain it in an unstable state, such as cracks, breakage, deformation, and erosion. As concrete is a brittle material, it is easily broken by external impact and can lead to serious accidents due to loss of function, so periodic management is essential. In this paper, we propose a crack management system using the embedded device for drone mounting. The embedded device for drone mounting is connected to a distance sensor, GPS module, and a camera to photograph the bridge in real time and uses a machine learning algorithm to find cracks in the bridge. When the embedded device finds a crack with a camera, it sends JSON formatted crack detection data including GPS position, timestamp, base64 encoded image data, and additional information to the crack management server over MQTT. We also propose a crack management algorithm and implemented a crack management server using a proposed algorithm. A proposed crack management server is implemented by the python web framework flask and a tensorflow machine learning library, and saves data with a mariaDB database server. The proposed system can enable fast and efficient management by using a real-time analysis method rather than a method of analyzing filmed video.

국문 초록 (Abstract)

교량 손상이란 교량의 내부와 외부에 물리적인 힘이 작용하여 불안정한 상태로 유지되는 경우로서 균열, 파손, 변형, 침식 등이 있다. 콘크리트는 취성재료로서 외부충격에 쉽게 부서지며 기능 상실로 인한 큰 사고로 이어질 수 있으므로 주기적인 관리가 필수적으로 요구된다. 본 논문에서는 드론 탑재용 임베디드 기기를 이용한 균열 검출 시스템을 제안한다. 제안 시스템은 거리센서, 카메라가 부착된 교량 탑재용 임베디드 기기를 이용하여 실시간으로 교량을 촬영하면서 머신러닝 알고리즘을 이용하여 교량의 균열을 찾아낸다. 균열이 발견되면 발견된 곳의 사진을 위치정보와 함께 균열 분석 시스템으로 전송하여 정밀한 검사를 진행하여 기록으로 남기고 관리한다. 제안 시스템은 카메라 촬영 후 분석하는 방식이 아닌 실시간 분석 방식으로 빠르고 효율적인 관리가 가능하다는 장점이 있다.

참고문헌 (Reference)

1 남우석 ; 정현준 ; 박경한 ; 김철면 ; 김규선, "콘크리트 교량 상태평가를 위한 딥러닝 기반 손상 탐지 프로토타입 개발" 대한토목학회 42 (42): 107-116, 2022

2 차윤호 ; 홍인식, "임베디드 보드를 이용한 효율적인 시설물 내벽 크랙 감지 시스템의 설계" 한국지식정보기술학회 15 (15): 605-614, 2020

3 이예인 ; 김병현 ; 조수진, "딥러닝을 이용한 영상 기반의 콘크리트 구조물 박락 탐지" 한국콘크리트학회 30 (30): 91-99, 2018

4 하종우 ; 박경원 ; 김민수, "딥러닝 기반의 분할과 객체탐지를 활용한 도로균열 탐지시스템 개발" 한국전자거래학회 26 (26): 93-106, 2021

5 백승현 ; 최대영 ; 김영규 ; 정상우 ; 김대년, "교량 안전점검을 위한 딥러닝 균열 검출분석 SW 탑재 드론 구현" 한국정보기술학회 19 (19): 45-52, 2021

6 "https://www.tensorflow.org"

7 "https://mqtt.org"

8 "https://flask.palletsprojects.com/en/2.2.x"

9 V. Hoskere, "Vision-based structural inspection using multiscale deep convolutional neural networks" 2017

10 X. Weng, "Segment-based pavement crack quantification" 105 : 3431-3440, 2019

11 L. Yang, "Deep concrete inspection using unmanned aerial vehicle towards CSSC database"

12 H. J. Kim, "Comparative analysis of image binarization methods for crack identification in concrete structures" 99 : 53-61, 2017