딥러닝을 활용한 KR60 레일의 위상배열 초음파 탐상 이미지 판독 분석 알고리즘 개발 (Development of an Algorithm for the Analysis of Phased Array Ultrasonic Testing Images of KR60 Rails via Deep Learning)

서지정보

· 발행기관 : 한국비파괴검사학회
· 수록지 정보 : 비파괴검사학회지 / 44권 / 3호 / 191 ~ 197페이지
· 저자명 : 최영일, 이수민, 이재선

초록

본 연구는 KR60 레일의 결함 진단을 위해 위상배열 초음파검사(Phased Array Ultrasonic Testing: PAUT) 기술과 딥러닝 기반 분석을 적용하였다. 기존 초음파검사(UT)보다 정밀도가 높은 PAUT는 레일 내부결함의 크기와 위치를 정확히 파악할 수 있으며 자동화된 지속적 검사에 적합하다. 실험에서는 CIVA 시뮬레이션을 통해 다양한 결함 시나리오를 설정하고, PAUT로 획득한 S-scan 이미지를 사용하여 결함 유무, 위치, 크기를 판단하는 딥러닝 모델을 구축하였다. 결함 판단 모델은 높은 정확도와 낮은 손실율을 보여 PAUT 데이터를 통한 결함 분석의 유효성을 확인하였다. 이를 통해 철도 레일의 안전성을 향상시키기 위한 실용적이고 효과적인 진단 방법을 제시하며, 향후 다양한 결함 데이터 추가 및 알고리즘 개선을 통해 더욱 정확한 진단이 가능할 것으로 기대된다.

영어초록

This study applies phased array ultrasonic testing (PAUT) technology and deep learning-based analysis to diagnose defects in KR60 rails. PAUT, which offers higher precision than does conventional ultrasonic testing (UT), can accurately identify the size and location of internal rail defects, and it is suitable for automated continuous inspection. In experiments, various defect scenarios were set using CIVA simulations and a deep learning model was developed to determine the presence, location, and size of defects using S-scan images obtained via PAUT. The defect determination model demonstrated high accuracy and a low loss rate, thereby confirming the validity of the defect analysis using PAUT data. This study presents a practical and effective diagnostic method for improving the safety of railway rails, and it is expected that the addition of various defect data and algorithm improvements will enable more accurate diagnostics in the future.

참고자료

· 없음