폐광산 지반안정성 조사용 시추주상도의 분류 및 데이터베이스화를 위한 딥러닝 및 광학문자인식 기술의 적용 (Application of Deep Learning and Optical Character Recognition Technology to Automate Classification and Database of Borehole Log for Ground Stability Investigation of Abandoned Mines)

서지정보

· 발행기관 : 대한자원환경지질학회
· 수록지 정보 : 자원환경지질 / 57권 / 5호 / 473 ~ 486페이지
· 저자명 : 한호상, 서장원

초록

시추주상도는 지질매체와 지하구조 정보를 나타내며, 폐광산 지역의 지반 안정성 평가에 필수적으로 사용되는 중요한 자료이다. 다만 시추주상도는 양식이 다양하고 아날로그 형태로 관리되고 있어 이로부터 유용한 정보를 도출하는 과정에는 인적 오류가 발생되거나 시간 및 비용이 소모된다는 단점이 있다. 따라서 본 연구에서는 PDF 파일 형식으로 제공되는 폐광산 지반조사용 시추주상도 데이터를 효율적으로 관리하고 분석할 수 있는 알고리즘을 개발하였다. 이를 위해 EfficientNet 딥러닝 모델을 사용하여 시추주상도를 5개 유형으로 분류하였으며, 분류 정확도는 1.00으로 매우 높게 나타났다. 이후 분류된 각 유형별 시추주상도를 광학문자인식(optical character recognition, OCR) 기술과 PDF 텍스트 추출 기법을 활용하여 텍스트를 추출하였다. OCR 기술은 시추주상도의 텍스트 데이터를 오인식하는 결과가 다수 발생하였으나, PDF 텍스트 추출 기법은 매우 높은 정확도로 텍스트를 추출하였다. 이후 데이터베이스의 구조를 정립하고, 설계된 구조에 따라 시추주상도의 텍스트 데이터를 재구성하여 스프레드시트 형태의 정형 데이터로 작성하였다. 본 연구결과는 디지털 광산으로의 전환에 있어 효과적인 시추주상도 관리 방안을 제시하며, 레거시 데이터로부터 정형화된 시추주상도 데이터는 머신러닝 분석에 용이하게 활용될 수 있을 것으로 기대한다.

영어초록

Boring logs are essential for the evaluation of ground stability in abandoned mine areas, representing geomaterial and subsurface structure information. However, because boring logs are maintained in various analog formats, extracting useful information from them is prone to human error and time-consuming. Therefore, this study develops an algorithm to efficiently manage and analyze boring log data for abandoned mine ground investigation provided in PDF format. For this purpose, the EfficientNet deep learning model was employed to classify the boring logs into five types with a high classification accuracy of 1.00. Then, optical character recognition (OCR) and PDF text extraction techniques were utilized to extract text data from each type of boring log. The OCR technique resulted in many cases of misrecognition of the text data of the boring logs, but the PDF text extraction technique extracted the text with very high accuracy. Subsequently, the structure of the database was established, and the text data of the boring logs were reorganized according to the established schema and written as structured data in the form of a spreadsheet. The results of this study suggest an effective approach for managing boring logs as part of the transition to digital mining, and it is expected that the structured boring log data from legacy data can be readily utilized for machine learning analysis.

참고자료

· 없음