강교 도막진단시스템의 현장적용을 위한 성능 최적화, 2006|RISS 상세보기

다국어 초록 (Multilingual Abstract)

Generally, inspection of steel bridge coating for decision of repainting time is carried out by mainly observation through inspector's naked eyes, therefore, there are personal equations in inspection results whether inspector has knowledge or experience for coating or not. In addition, absolute lack of specialists in inspection of steel bridge coating makes decision of optimal repainting time through objective, quantitative and scientific evaluation more difficult. In order to solve the problem, steel bridge coating diagnosing system using image processing technology was developed in 2003~2004, and this study was carried out to optimize the performance of developed system for field application. From the results of evaluation of casting deterioration degree for 75 bridges in highway, and prediction of coating life through regression analysis, it is predicted to take 13.0 and 13.3 years by exponential and third order polynomial regression respectively to reach deterioration degree point of 70 when coating cannot protect steel any more. According to statistical survey in 2001, average repainting interval of steel bridges in highway was about 10 year. Consequently, it is expected that repainting interval is extended about 3 years, if effective maintenance of bridge coating is carried out by diagnosing system using computerized visual imaging. In order to prepare data base for diagnosing system, atmospheric corrosivity test and survey of climate condition was carried out all over the country. Atmospheric corrosivity with environment was showed as rural ＜ mountains ＜ industry ＜ urban ＜ marine, which is similar to general trend. Corrosivity classes were showed from C2 to C4, and sites corresponded to C3 where corrosivity is medium were most. Through the surbey of climate condition, data base was prepared containing atmospheric temperature, amount of precipitation, UB index, duration of sunshine, etc. For inspection of steel bridge coating using diagnosing system, suitable images are necessary fir image processing. In the study, we standardize photographing method to help inspector take suitable pictures for image processing. In addition, standardization of evaluation area wad carried out by comparison between rust area rate comparing with SSPC standard pictures in field and rust area rate changing reference area to 15×15cm, 20×20cm and 30×30cm by diagnosing system. Optimal standard area was 20×20cm. This research aimed to improve the prototype computer-aided diagnosis system which was developed through previous research in 2003~2004. The prototype system was designed to diagnose automatically painting condition or degree of deterioration of the painting on steel bridge using image processing techniques. The prototype system used hough transform to extract ROI and EM algorithm which is well-known clustering algorithm. However, the diagnosing algorithm of the prototype system was realized to distinguish three regions: rust region, peeled region and normal paint region at one step so it had the drawback which the system couldn't extract the deteriorated region when the color information was distorted by illumination. The improvement was required to overcome the drawback because an investigator can't adjust illumination when he takes pictures of the steel bridge for input of the diagnosing system. We develop new preprocessing and postprocessing of diagnosing algorithm to improve the prototype system in this research. It will allow enough accuracy of the system to use practical work. We add new interface for new ROI setting methodology which is designed for new inspection rule of Korea Highway Corporation. The process which extracts rust and peeled region from image composes of two step. The first step is to extract rust using the Parzen-window which is one of the probabilistic methods. The Parzen window is well-known non-parametric scheme directly uses the samples drawn from an unknown distribution to model its density. The second step is to extract peeled region using EM algorithm and we add post-processing which correct the result of peeled region extraction because the result has region of highlight as peeled region. We added postprocessing algorithm to improve accuracy of peeled region and pain point type rust extraction. Additionally we have done renewal of system interface for more effective display and management of diagnosing results.

번역하기

국문 초록 (Abstract)

일반적으로 강교 도장의 재도장 시기를 판단하는 도막조사는 주로 육안 관찰을 통해 이루어지기 때문에 도장·도료에 관한 지식이나 경험의 유무에 따라 판정 결과에 개인 오차가 발생하게 된다. 또한 정확한 진단을 행할 수 있는 전문인력의 절대 부족으로 인해 현재 강교 도장 상태에 관한 객관적, 정량적, 과학적 평가의 수행을 통한, 적절한 재도장 시기의 판단이 어려운 형편이다. 위와 같은 문제점을 해결하기 위해 2003~2004년에 화상처리기술을 이용하여 도막의 열화도 및 적절한 재도장 시기를 객관적, 정량적으로 판단할 수 있는 도막진단시스템을 개발하였으며, 개발된 시스템을 현장적용 가능한 수준으로 성능을 최적화하기 위해 본 연구를 수행하였다. 고속도로상의 75개 교량에 대해 평가점 부여에 의한 지단 방법에 따라 도막 열화도를 조사하고, 그 결과에 대한 회귀분석을 통해 도막의 수명을 예측해 보았다. 회귀분석 결과 도막의 수명이 다하는 열화도 평점 70점에 도달하기까지 소요되는 시간은 지수곡선 적용시 13.0년, 3차곡선 적용시 13.3년으로 거의 유사하게 나타났다. 2001년도에 조사된 고속도로상의 강교 평균 재도장 주기는 약 10년이었으므로 도막진단시스템이 도입되어 본 조사 결과와 유사한 결과가 산출된다면 평균 재도장 주기가 약 3년 연장될 것을 기대해 볼 수 있다. 도막진단시스템의 기본 데이터베이스 구축을위해 강교 주변 대기부식도를 조사한 결과 주변환경에 따라서 전원 ＜ 산간 ＜ 공장 ＜ 도시 ＜ 해안 순서로 나타났으며, 중간 등급에 해당하는 C3가 가장 많았다. 전국의 기후조건 조사를 통하여 기온, 강수량, 자외선 지수, 일조시간 등의 데이터 베이스를 구축하였다. 도막을 촬영한 영상을 이용하여 강교의 열화를 진단하기 위해서는 화상 처리에 접합한 도막 영상이 필요하다. 본 연구에서는 도막 촬영 방법의 표준화를 통하여, 입력 영상 촬영 방법을 정의함으로써, 검사자가 화상처리에 적합한 영상을 촬영할 수 있도록 하였다. 또한 도막 평가면적을 표준화하기 위하여 강교 현장에서 실제 부재 크기를 측정한 후 SSPC 표준사진과 대조하여 도출된 면적율과 촬영된 사진을 도막진단시스템을 이용하여 기준면적을 15×15cm, 20×20cm, 30×30cm로 변화시키면서 도출된 면적율을 비교하여 최적의 기준면적을 도출하였다. 최적의 기준 면적은 20×20cm인 것으로 판단되었다. 본 연구에서는 2003~2004년 진행된 연구를 통해 구현된 도막진단시스템의 성능을 실무에 적용 가능한 수준으로 향상하는 것을 목적으로 진행되었다. 2004년 개발된 프로토타입 시스템은 동연구를 통해 제안된 도막 영상 촬영 방법에 의해서 촬영된 강교 영상에서 녹과 박리를 자동으로 검출하여 도막의 열화정도를 진단하고, 진단정보를 관리하는 기능을 가지고 있다. 프로토타입 시스템은 영상의 색상정보를 EM 알고리즘을 이용한 군집화를 통해 녹과 박리, 정상적인 도막 영역을 한 번에 분류하도록 구현되었기 때문에, 조명성분에 의해 영상의 색상정보가 왜곡되면 특히 박리의 검출결과가 부정확한 한계가 있었다. 따라서 강교 영상이 실외에서 조명의 조절이 불가한 상태에서 촬영되는 점을 고려했을 때 조명에 강인하도록 열화 검출 알고리즘의 개선이 필요했다. 따라서 "도막진단시스템의 열화인식성능 개선을 위한 알고리즘 개발 용역" 연구를 통해서 녹과 박리의 검출을 parzen window를 이용한 통계적인 방법과 EM 알고리즘을 이용하는 군집화 알고리즘으로 구현하여 엔진의 성능을 향상시켰다. 또한, 성능이 향상된 도막진단 시스템을 현장에 적용하고, 현장 적용시 도출되는 문제점과 불편한 점을 개선하기 위한 연구가 진행되었다. 열화진단을 위한 색상 공간 변경과 녹, 박리 검출 알고리즘의 개선을 통해서 도막진단엔진이 현장에서 얻어지는 다양한 영상에서 정확한 열화 검출 결과를 산출 할 수 있도록 최적화하였다. 또한 조명성분에 의한 열화의 검출결과를 보정하기 위해 영상의 하이라이트 성분에 의한 오차를 보정하는 후처리 알고리즘의 성능을 개선하여 열화검출의 정확도를 향상시켰다. 열화를 검출하는 주 알고리즘은 먼저 녹 영역을 파즌윈도우(Parzen window)를 이용해서 얻어지는 사전 확률값과 영상에서 얻어지는 질감, 형태의 등의 특징을 사용하였으며, 결정 함수는 neural net을 이용하였다. 박리는 기존의 2차원 특징벡터를 이용하던 알고리즘을 3차원 EM 알고리즘으로 변경하여 도막진단엔진의 근본적인 성능을 향상시켰다.

번역하기

일반적으로 강교 도장의 재도장 시기를 판단하는 도막조사는 주로 육안 관찰을 통해 이루어지기 때문에 도장·도료에 관한 지식이나 경험의 유무에 따라 판정 결과에 개인 오차가 발생하게 ...

목차 (Table of Contents)