이미지의 균열 픽셀 탐지를 위한 딥러닝 모델의 적용과 의미론적 분할 활용 (Application of Deep Learning Model to Detect Cracked Pixels in Images with Semantic Segmentation)

서지정보

· 발행기관 : 응용생태공학회
· 수록지 정보 : Ecology and Resilient Infrastructure / 11권 / 4호 / 177 ~ 185페이지
· 저자명 : 신재현, 이동섭

초록

본 연구에서는 수자원시설에서 활용될 수 있는 검출 기술로 균열 이미지의 딥러닝 학습을 통한 손상탐지 기법의 적용을위하여 균열 손상 이미지 데이터를 수집, 활용, 학습하여 이를 탐지할 수 있는 이미지처리 알고리즘의 적용을 수행하였다. 딥러닝기법 중 합성곱을 기반으로 한 U-Net 구조를 활용하여 구조물 균열손상 이미지들의 학습과 특징 추출을 통하여 각 픽셀 별분류를 통해 이미지 내에서 균열손상 부위를 분류해 낼 수 있었다. 이 과정 중 활성화 맵을 시각화하여 균열 특징에 대한 모델의반응을 확인하여 모델이 이미지의 어느 부분에 주목하고 있는지를 확인하였다. 균열 검출 결과 이미지 마스크 처리를 통한참 값과 비교하여 높은 정확도와 정밀도가 나타나 본 기법이 균열 탐지에 적용성이 있음을 확인하였다. 본 연구에서 학습된모델은 취득한 이미지에서의 균열 검출을 비롯하여 수자원 시설물 이미지에 대한 적용에도 검출 능력이 드러났으며, 향후수자원 구조물의 안전 진단 및 평가를 위한 모니터링에서 활용될 것으로 기대된다.

영어초록

To apply damage detection methods through deep learning of crack images that could be used in water resources facilities, an image processing algorithm that could detect crack damage image data was collected, utilized, and trained in this study. Using the U-Net structure based on convolution among deep learning techniques, we were able to classify crack damage areas within the image through classification for each pixel through learning and feature extraction of structural crack damage images. During this process, the activation map was visualized to check the model's response to crack features to determine which part of the image the model was focusing on. Crack detection results showed high accuracy and precision compared to the true value through image mask processing, confirming that this technique could be used for crack detection. The model learned in this study demonstrated detection capabilities of crack detection in acquired images as well as application to images of water resources facilities. It is expected to be used for monitoring safety diagnosis and evaluating water resources structures in the future.

참고자료

· 없음