감리업무 효율성 향상을 위한 딥러닝 기반 철근배근 디텍팅 기술 개발 (A Development on Deep Learning-based Detecting Technology of Rebar Placement for Improving Building Supervision Efficiency)

서지정보

· 발행기관 : 대한건축학회
· 수록지 정보 : 대한건축학회논문집 / 36권 / 5호 / 93 ~ 103페이지
· 저자명 : 박진희, 김태훈, 추승연

초록

연구의 목적은 딥러닝의 기술 중 객체검출기술을 이용하여 건축감리의 효율성 향상시킬 수 있는 감독 방법을 제안하는 것이다. 건축감리제도가 도입된 이후 제도적, 행정적인 면에서 개선, 발전 되었지만 감리를 수행하는 방법 면에서는 제도 도입 이래 개선된 점을 찾기 힘들다. 따라서 감리업무의 실행 방법에서 기둥의 철근 배근을 감지하여 자동으로 계수함으로써 효율성을 향상시킬 수 있는 방법을 제안하였다. 딥러닝의 객체검출기술을 활용하여 띠철근 검출 네트워크를 구축하였고 그 성능에 대해서는 학습에 사용한 비슷한 이미지에 대해서는 92.85%의 정확도를, 전혀 새로운 이미지에 대해서는 특정한 거리에서 90% 이상의 정확도를 확인할 수 있었으며, 검출된 띠철근을 짧은 시간 안에 계수할 수 있었다. 이러한 일련의 과정을 통해 철근 배근의 자동 검출 및 감리업무 효율성 향상 가능성을 확인하였다.

영어초록

The purpose of this study is to suggest a supervisory way to improve the efficiency of Building Supervision using Deep Learning, especiallyobject detecting technology. Since the establishment of the Building Supervision system in Korea, it has been changed and improved manytimes systematically, but it is hard to find any improvement in terms of implementing methods. Therefore, the Supervision is until now thearea where a lot of money, time and manpower are needed. This might give a room for superficial, formal and documentary supervision thatcould lead to faulty construction. This study suggests a way of Building Supervision which is more automatic and effective so that it canlead to save the time, effort and money. And the way is to detect the hoop-bars of a column and count the number of it automatically. Forthis study, we made a hoop-bar detecting network by transfor learnning of YOLOv2 network through MATLAB. Among many trainingexperiments, relatively most accurate network was selected, and this network was able to detect rebar placement in building site pictures withthe accuracy of 92.85% for similar images to those used in trainings, and 90% or more for new images at specific distance. It was also ableto count the number of hoop-bars. The result showed the possibility of automatic Building Supervision and its efficiency improvement.

참고자료

· 없음