세그멘테이션과 객체 감지 모델의 콘크리트 균열 검출 성능 비교 (Comparison with Performances of Segmentation and Object Detection Models for Detecting Concrete Crack)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 24권 / 4호 / 31 ~ 41페이지
· 저자명 : 김정수

초록

콘크리트 시설물의 효율적 유지관리 지원을 위해 이미지 기반 자동 균열 인식 기술 개발이 이뤄져 왔으며, 딥러닝기법을 균열 인식 문제에 적용하여 범용적인 환경에서의 균열 검출 성능을 높이고자 하는 연구가 늘어나고 있다. 본연구는 서로 다른 유형의 딥러닝 모델을 균열 검출에 적용해 모델 간 성능을 비교한다. 동일한 조건에서의 객체 감지및 개체형 세그멘테이션 모델의 성능 비교를 위해 YOLOv7을 사용하였다. 각 유형별 모델 학습 및 성능평가를 위해약 4천 개의 공개 균열 이미지 데이터를 활용하였으며, 이를 활용해 각 유형별 딥러닝 모델의 학습, 검증, 시험을 수행하고 성능을 조사하였다. 학습을 통해 얻어진 객체 감지 및 개체 세그멘테이션 모델은 평균 정밀도 0.6 내외 (임계값0.5~0.95 기준) 성능을 보였으며, 객체 감지 모델의 성능 지표는 세그멘테이션 모델의 성능 지표보다 작고, 수렴 속도또한 느렸다. 그러나 두 모델 간 성능지표와 수렴속도 차이가 작고 학습이 진행됨에 따라 객체 감지 모델의 성능은 세그멘테이션 모델 성능에 거의 근사하였다. 검출 이미지를 시각적으로 분석한 결과, 두 모델 모두 미세균열 및 어두운 배경조건의 균열에 대해 검출이 어려웠으며, 균열 검출에 대해 두 모델 간 유의미한 성능 우위는 확인할 수 없었다.

영어초록

Image-based automated crack detection techniques have been developed to support the efficient maintenance of concrete structures, and studies in which deep learning techniques into crack detection are applied to enhance the detection performances under general conditions have increased.
This study compared the performances of crack detection between different types of deep learning models. To conduct a fair comparison of each model, open crack image data of approximately 4,000 were used to train, validate, and test the object detection and instance segmentation models of YOLOv7 and then investigate each model performance. After training both object detection and instance segmentation models, the models have a mean average precision (mAP) of approximately 0.6 (at 0.5-0.95 threshold); the object detection model has a slightly smaller mAP than the segmentation and slower convergence rates than the segmentation. On the other hand, the differences between both models for metric and convergence rate are small, and the metric of the object detection model almost approaches that of the segmentation as training epochs increase. In addition, analyzing crack detection images visually, the models found were hard to detect micro-cracks or cracks on a dark background, and the meaningful superiority of detection performance between each model was not confirmed.

참고자료

· 없음