저비용 드론을 이용한 딥러닝 기반 콘크리트 건축물 안전진단 자동화 시스템 (Deep Learning-Based Safety Inspection Automation System for Concrete Buildings with Low-Cost Drones)

서지정보

· 발행기관 : 한국차세대컴퓨팅학회
· 수록지 정보 : 한국차세대컴퓨팅학회 논문지 / 20권 / 1호 / 94 ~ 113페이지
· 저자명 : 장인성, 정희영, 김태운

초록

건축물의 안전과 기능 유지를 위한 안전 점검은 건물 노후화 및 관리 미비로 인한 대형 사상 사고를 예방하기 위한 효과적인 대비책이다. 하지만, 현장 방문을 통한 건축물 점검을 정기적으로 수행할 검사원의 수가 제한되고, 검사원의 숙련도와 주관적 평가에 의해 점검 결과가 크게 영향을 받을 수 있는 점은 개선이 필요하다. 본 논문에서는 현행 건축물 안전 점검의 한계와 제약을 개선하기 위해 비용 효율적이며 객관적인 정량 계측이 가능한 안전 점검 자동화 기술을 제안한다. 제안하는 기법은 콘크리트 건축물의 실내 균열 탐지를 목표로 하며, 자율비행 드론을 이용한 현장 조사와 딥러닝 비전 기반의 균열탐지 기법으로 구성된다. 본 논문은 안전점검 활동의 비용 절감을 위해 저가 드론 사용을 제안하며, 고도 유지 및 고정 거리 비행 기능을 통해 실내 환경에서 음영지역 없이 자율적으로 현장 조사를 수행하고 건축물 내부 이미지 및 좌표 정보를 수집하기 위한 알고리즘을 제안한다. 안전 점검 기간 최소화를 위해 적은 수의 이미지로 효과적 균열 탐지가 가능한 DRAEM 딥러닝 모델을 사용하며, 균열 탐지 정확도 개선을 위해 임계치 기반의 픽셀 마스킹 기법을 제안한다. 실 환경에서의 테스트를 통해 제안하는 시스템의 자율적 현장 조사 및 균열 탐지 기능의 정확성을 검증했다.

영어초록

The safety inspection for guaranteeing the safety and functionality of buildings is an effective measure to prevent hazardous accidents caused by aging and inadequate management of buildings. However, there is a need for improvement as the number of inspectors who perform on-site inspections regularly is limited, and the inspection results can be significantly influenced by the skill level of inspectors and subjective evaluations. In this paper, we propose a cost-effective and objective safety inspection automation system to overcome the limitations and constraints of current building safety inspections. The proposed technique focuses on detecting indoor cracks in concrete structures and consists of on-site investigation using autonomous drones and crack detection using deep learning vision. In this paper we propose the use of low-power drones to reduce the cost of safety inspection activities and propose algorithms for autonomous on-site investigation in indoor environments without shadow areas through altitude maintenance and fixed-distance flight capabilities and collecting images along with their location information. To minimize the inspection time, the proposed system utilizes the DRAEM deep learning model, which allows effective crack detection with a small number of images, and proposes a threshold-based pixel masking technique to improve crack detection accuracy. The proposed system has been validated through tests in real-world environments.

참고자료

· 없음