KR102109451B1 - Method and apparatus for controlling crack repair and painting work - Google Patents

Method and apparatus for controlling crack repair and painting work Download PDF

Info

Publication number
KR102109451B1
KR102109451B1 KR1020200013788A KR20200013788A KR102109451B1 KR 102109451 B1 KR102109451 B1 KR 102109451B1 KR 1020200013788 A KR1020200013788 A KR 1020200013788A KR 20200013788 A KR20200013788 A KR 20200013788A KR 102109451 B1 KR102109451 B1 KR 102109451B1
Authority
KR
South Korea
Prior art keywords
painting
information
crack
network
neural network
Prior art date
Application number
KR1020200013788A
Other languages
Korean (ko)
Inventor
정한규
Original Assignee
정한규
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 정한규 filed Critical 정한규
Priority to KR1020200013788A priority Critical patent/KR102109451B1/en
Application granted granted Critical
Publication of KR102109451B1 publication Critical patent/KR102109451B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • E—FIXED CONSTRUCTIONS
    • E04—BUILDING
    • E04G—SCAFFOLDING; FORMS; SHUTTERING; BUILDING IMPLEMENTS OR AIDS, OR THEIR USE; HANDLING BUILDING MATERIALS ON THE SITE; REPAIRING, BREAKING-UP OR OTHER WORK ON EXISTING BUILDINGS
    • E04G23/00—Working measures on existing buildings
    • E04G23/02—Repairing, e.g. filling cracks; Restoring; Altering; Enlarging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0033—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining damage, crack or wear
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Architecture (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Structural Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Civil Engineering (AREA)
  • Quality & Reliability (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Disclosed are a method and an apparatus for controlling for crack repair and painting. The method for controlling for the crack repair and the painting according to one embodiment, in the method for controlling for the crack repair and the painting based on artificial intelligence, uses a diagnostic camera in the control apparatus to photograph the front, left, right, rear, other, and sky surfaces of the exterior of a target building. Based on photographed pictures, the control apparatus produces a first input signal, and transmits and inputs the first input signal to a convolutional neural network in a blockchain network. The control apparatus acquires a first output signal based on an input result, and may output crack information and painting target information to a display screen in the control apparatus based on the first output signal.

Description

크랙 보수 및 도장 공사를 위한 제어 방법 및 장치{METHOD AND APPARATUS FOR CONTROLLING CRACK REPAIR AND PAINTING WORK}Control method and device for crack repair and painting work {METHOD AND APPARATUS FOR CONTROLLING CRACK REPAIR AND PAINTING WORK}

아래 실시예들은 크랙 보수 및 도장 공사를 위한 제어 방법에 관한 것이다.The following examples relate to a control method for crack repair and painting work.

건물 외관의 크랙은 계절 변화의 반복으로 콘크리트의 소재 특성상 균열 및 탈락이 발생함으로써 생길 수 있다. 해당 크랙의 발생 위치는 적절한 재료를 통해 보수가 되어야 하며, 이를 오랜 기간 보존하고 방수층을 생성하기 위해 도장 작업까지 함께 이뤄져야 한다.Cracks in the exterior of buildings can be caused by cracking and dropping out of the nature of concrete due to repeated seasonal changes. The location of occurrence of the cracks should be repaired with appropriate materials, and it must also be painted together to preserve it for a long time and create a waterproof layer.

크랙 및 도장 공사를 위한 대상의 선정은 일반적으로 사람에 의해 수동으로 모든 작업이 이뤄지고 있어, 부정확성 및 비효율성의 문제가 제기되어왔다. 특히 사람이 직접 크랙이 있는 부분을 찾기 위해 일일이 건물 외관을 도는 작업은 안전성의 측면에서도 우려가 제기되는 부분이다. 따라서, 스스로 학습하는 인공지능을 통해 건물 외관의 크랙을 사진으로부터 높은 정확도로 찾아내는 기술에 대한 연구가 요구된다.The selection of objects for crack and painting construction is generally done manually by humans, and thus, inaccuracies and inefficiencies have been raised. In particular, the task of turning the exterior of a building individually to find the cracked part is a concern in terms of safety. Therefore, it is necessary to study a technique for finding cracks in a building exterior with high accuracy from artificial intelligence through self-learning.

KR100314393KR100314393 KR200169450KR200169450 KR200400363KR200400363 KR1020190135228KR1020190135228

실시예들은 크랙 보수 및 도장 공사를 위한 제어 방법에 딥러닝 기술을 적용해 정확성과 효율성을 높이고자 한다.The embodiments are intended to increase accuracy and efficiency by applying deep learning technology to a control method for crack repair and painting construction.

실시예들은 크랙 보수 및 도장 공사를 위한 제어 방법에 있어 학습을 통한 지속적인 피드백을 하고자 한다.The embodiments are intended to provide continuous feedback through learning in the control method for crack repair and painting construction.

실시예들은 블록체인 네트워크를 통해 정보를 빅데이터화 하고, 강화된 보안을 사용하고자 한다.The embodiments intend to make information big data through a blockchain network and use enhanced security.

일실시예에 따른 크랙 보수 및 도장 공사를 제어하는 방법은 인공지능을 기반으로 한 크랙 보수 및 도장 공사를 위한 제어 방법에 있어서, 제어 장치 내 진단용 카메라를 이용해 대상 건물 외관의 전면, 좌측면, 우측면, 후면, 기타면 및 하늘면을 촬영하는 단계; 상기 촬영 사진들에 기초하여, 제어 장치가 제1 입력 신호를 생성하는 단계; 상기 제1 입력 신호를 블록체인 네트워크 내 컨벌루션 신경망에 전송 및 입력하는 단계; 상기 입력 결과에 기초하여, 제1 출력 신호를 획득하는 단계; 및 상기 제1 출력 신호에 기초하여, 크랙 정보 및 도장 대상 정보를 제어 장치 내 디스플레이 화면에 출력하는 단계를 포함할 수 있다.The method for controlling crack repair and painting construction according to an embodiment is a control method for artificial intelligence-based crack repair and painting construction, using a diagnostic camera in a control device to front, left, and right sides of a target building exterior Photographing the back, other side and sky side; A control device generating a first input signal based on the photographed pictures; Transmitting and inputting the first input signal to a convolutional neural network in a blockchain network; Obtaining a first output signal based on the input result; And outputting crack information and painting target information to a display screen in the control device based on the first output signal.

일실시예에 따르면, 상기 제어 장치는 상기 제어 장치 내 후면에 위치하며 대상 건물의 외관을 촬영하기 위한 상기 진단용 카메라; 상기 제어 장치 내 전면에 위치하며 촬영용 소프트웨어 디스플레이 정보, 촬영 정보, 크랙 정보 및 도장 대상 정보를 출력하는 상기 디스플레이 화면; 및 상기 촬영용 소프트웨어가 설치되었으며, 무선 인터넷을 통해 블록체인 네트워크에 접속 가능한 임베디드 컴퓨터를 포함할 수 있다.According to one embodiment, the control device is located on the rear surface of the control device and the diagnostic camera for photographing the exterior of the target building; A display screen located on the front surface of the control device and outputting software display information for shooting, shooting information, crack information, and painting target information; And the embedded software is installed, and may include an embedded computer capable of accessing a blockchain network through wireless Internet.

일실시예에 따르면, 상기 블록체인 네트워크는 다양한 건물 외관 사진들, 크랙 정보들, 도장 대상 정보들, 크랙 보수 및 도장 공사를 위한 재료 정보들을 포함하는 데이터 베이스 및 미리 학습된 상기 컨벌루션 신경망을 포함하는 블록들; 각 블록을 시간 순으로 연결하는 체인들; 및 상기 각 블록 및 체인을 저장하는 상기 네트워크 저장장치들을 포함하는 프라이빗 블록체인 네트워크이고, 상기 네트워크 저장장치들은 상기 크랙 보수 및 도장 공사를 위한 제어 방법을 위한 재료들을 생산하는 제1 생산자를 포함한 제1 네트워크 저장장치; 상기 크랙 보수 및 도장 공사를 시행하는 시공업자를 포함하는 제2 네트워크 저장장치; 상기 크랙 보수 및 도장 공사를 위한 제어 방법의 상기 대상 건물의 관리자를 포함하는 제3 네트워크 저장장치; 및 각 네트워크 저장장치들을 연결하는 초고속 인터넷 연결망을 포함할 수 있다.According to one embodiment, the blockchain network includes a database including various building exterior photos, crack information, painting target information, material information for crack repair and painting construction, and the pre-trained convolutional neural network. Blocks; Chains connecting each block in chronological order; And a private blockchain network including the network storage devices storing the respective blocks and chains, wherein the network storage devices include a first producer that produces materials for a control method for the crack repair and painting work. Network storage; A second network storage device including a contractor performing the crack repair and painting work; A third network storage device including a manager of the target building of a control method for the crack repair and painting work; And a high-speed Internet connection network connecting each network storage device.

일실시예에 따르면, 상기 데이터 베이스는 다양한 각도로 누적 촬영된 건물의 외관 사진들; 하늘면을 촬영한 사진들 및 상기 하늘면 사진들로부터 일조량 정보를 획득해 상기 대상 건물의 외관 사진의 색 정보-상기 색 정보는 RGB 색상, 명도, 채도를 포함함-를 보정하기 위한 보정 정보들; 크랙의 위치, 종류, 깊이, 길이 및 형태 등의 정보를 담은 크랙 정보들; 건물의 외관의 색 정보에 기초하여 새로 도장 공사해야 할 위치, 범위를 포함한 도장 대상 정보들; 및 상기 크랙 정보들 및 도장 대상 정보들에 기초하여 필요한 준비 재료들을 추천하는 재료 정보들을 포함할 수 있다.According to an embodiment, the database includes exterior photographs of a building cumulatively photographed at various angles; Correction information for correcting color information of the exterior photograph of the target building by obtaining sunshine information from the sky plane photographs and the sky plane photographs, wherein the color information includes RGB color, brightness, and saturation. ; Crack information including information such as the location, type, depth, length and shape of the crack; Information to be painted, including the location and range to be newly painted based on the color information of the exterior of the building; And material information recommending necessary preparation materials based on the crack information and painting target information.

일실시예에 따르면, 상기 컨벌루션 신경망은 상기 진단용 카메라를 이용해 촬영된 상기 대상 건물 외관의 전면, 좌측면, 우측면, 후면, 기타면 및 하늘면 사진을 색 정보를 수치화한 데이터 시트 형태로 기록하는 제1 입력 신호를 입력으로 하고, 상기 색 정보에 기초하여, 크랙 및 도장 대상의 좌표 및 크기를 상기 컨벌루션 신경망의 특징 추출 신경망과 분류 신경망을 통해 분류하고, 상기 분류에 기초하여, 상기 좌표 및 크기에 적합한 재료 목록을 포함하는 제1 출력 신호를 출력으로 하고, 상기 크랙 및 도장 대상에 대한 상기 시공업자의 확인 결과에 따른 입력으로부터 생성된 제1 학습 신호를 통해 학습할 수 있다.According to an embodiment of the present invention, the convolutional neural network is configured to record front, left, right, rear, and other surfaces of the target building photographed using the diagnostic camera in the form of a numerical data sheet. 1 Using the input signal as an input, based on the color information, the coordinates and sizes of cracks and painting targets are classified through the feature extraction neural network and the classification neural network of the convolutional neural network, and based on the classification, the coordinates and size A first output signal including a suitable material list may be used as an output, and learning may be performed through a first learning signal generated from an input according to a result of the contractor's confirmation of the crack and painting target.

일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.The apparatus according to an embodiment may be controlled by a computer program stored in a medium in order to execute the method of any one of the above-described methods in combination with hardware.

실시예들은 크랙 보수 및 도장 공사를 위한 제어 방법에 딥러닝 기술을 적용해 정확성과 효율성을 높일 수 있다.Embodiments can increase accuracy and efficiency by applying deep learning technology to a control method for crack repair and painting construction.

실시예들은 크랙 보수 및 도장 공사를 위한 제어 방법에 있어 학습을 통한 지속적인 피드백을 할 수 있다.The embodiments can provide continuous feedback through learning in a control method for crack repair and painting construction.

실시예들은 블록체인 네트워크를 통해 정보를 빅데이터화 하고, 강화된 보안을 사용할 수 있다.Embodiments can make information big data through a blockchain network and use enhanced security.

도 1은 일실시예에 따른 크랙 보수 및 도장 공사를 위한 제어 방법을 설명하기 위한 순서도이다.
도 2는 일실시예에 따른 제어 장치를 설명하기 위한 도면이다.
도 3은 일실시예에 따른 블록체인 네트워크를 설명하기 위한 도면이다.
도 4는 일실시예에 따른 데이터 베이스를 설명하기 위한 도면이다.
도 5은 일실시예에 따른 컨벌루션 신경망을 설명하기 위한 도면이다.
도 6는 일실시예에 따른 일실시예에 따른 장치의 구성의 예시도이다.1 is a flow chart for explaining a control method for crack repair and painting construction according to an embodiment.
2 is a view for explaining a control device according to an embodiment.
3 is a diagram for explaining a blockchain network according to an embodiment.
4 is a view for explaining a database according to an embodiment.
5 is a diagram for describing a convolutional neural network according to an embodiment.
6 is an exemplary view of a configuration of an apparatus according to an embodiment according to an embodiment.

이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. However, various changes may be made to the embodiments, and the scope of the patent application right is not limited or limited by these embodiments. It should be understood that all modifications, equivalents, or substitutes for the embodiments are included in the scope of rights.

실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.Specific structural or functional descriptions of the embodiments are disclosed for illustrative purposes only, and may be implemented in various forms. Accordingly, the embodiments are not limited to the specific disclosure form, and the scope of the present specification includes modifications, equivalents, or substitutes included in the technical spirit.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.Terms such as first or second may be used to describe various components, but these terms should be interpreted only for the purpose of distinguishing one component from other components. For example, the first component may be referred to as the second component, and similarly, the second component may also be referred to as the first component.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.When an element is said to be "connected" to another element, it should be understood that other elements may be present, either directly connected to or connected to the other element.

실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the examples are used for illustrative purposes only and should not be construed as limiting. Singular expressions include plural expressions unless the context clearly indicates otherwise. In this specification, the terms "include" or "have" are intended to indicate the presence of features, numbers, steps, actions, components, parts or combinations thereof described herein, one or more other features. It should be understood that the existence or addition possibilities of fields or numbers, steps, operations, components, parts or combinations thereof are not excluded in advance.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person skilled in the art to which the embodiment belongs. Terms, such as those defined in a commonly used dictionary, should be interpreted as having meanings consistent with meanings in the context of related technologies, and should not be interpreted as ideal or excessively formal meanings unless explicitly defined in the present application. Does not.

또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In addition, in the description with reference to the accompanying drawings, the same reference numerals are assigned to the same components regardless of reference numerals, and redundant descriptions thereof will be omitted. In describing the embodiments, when it is determined that detailed descriptions of related known technologies may unnecessarily obscure the subject matter of the embodiments, detailed descriptions thereof will be omitted.

실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다. Embodiments may be implemented in various types of products, such as personal computers, laptop computers, tablet computers, smart phones, televisions, smart home appliances, intelligent cars, kiosks, and wearable devices.

도 1은 일실시예에 따른 크랙 보수 및 도장 공사를 위한 제어 방법을 설명하기 위한 순서도이다.1 is a flowchart illustrating a control method for crack repair and painting construction according to an embodiment.

일실시예에 인공지능을 기반으로 한 크랙 보수 및 도장 공사를 위한 제어 방법에 있어서, 크랙 보수 및 도장 공사를 위한 제어 장치(이하, 제어 장치)는 제어 장치 내 진단용 카메라를 이용해 대상 건물 외관의 전면, 좌측면, 우측면, 후면, 기타면 및 하늘면을 촬영할 수 있다(101). 제어 장치는 크랙 보수 및 도장 공사 위한 제어 장치로서, 예를 들어 소프트웨어 모듈, 하드웨어 모듈 또는 이들의 조합으로 구현될 수 있다.In one embodiment, in the control method for artificial intelligence-based crack repair and painting construction, the control device for crack repair and painting construction (hereinafter referred to as a control device) uses a diagnostic camera in the control device to front the exterior of the target building. , Left side, right side, back side, other side and sky side can be photographed (101). The control device is a control device for crack repair and painting work, and may be implemented by, for example, a software module, a hardware module, or a combination thereof.

일실시예에 따르면, 제어 장치는 통신 기능이 포함된 전자 장치일 수 있다. 예를 들면, 전자 장치는 스마트 폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 화상전화기, 전자북 리더기(e-book reader), 데스크톱 PC(desktop personal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device)(예: 전자 안경과 같은 head-mounted-device(HMD), 전자 의복, 전자 팔찌, 전자 목걸이, 전자 앱세서리(appcessory), 전자 문신, 스마트카(smart car) 또는 스마트 와치(smartwatch)중 적어도 하나를 포함할 수 있다.According to an embodiment, the control device may be an electronic device including a communication function. For example, the electronic device includes a smart phone, a tablet personal computer (PC), a mobile phone, a video phone, an e-book reader, a desktop personal computer (PC), and a laptop. Laptop personal computer (PC), netbook computer, personal digital assistant (PDA), portable multimedia player (PMP), MP3 player, mobile medical device, camera, or wearable device (e.g. Includes at least one of head-mounted-device (HMD) such as electronic glasses, electronic clothing, electronic bracelets, electronic necklaces, electronic accessories, electronic tattoos, smart cars, or smart watches. Can be.

일실시예에 따르면, 전자 장치는 통신 기능을 갖춘 스마트 가전 제품(smart home appliance)일 수 있다. 스마트 가전 제품은, 예를 들자면, 전자 장치는 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스(set-top box), TV 박스(예를 들면, 삼성 HomeSyncTM, 애플TVTM, 또는 구글 TVTM), 게임 콘솔(game consoles), 전자 사전, 전자 키, 캠코더(camcorder), 또는 전자 액자 중 적어도 하나를 포함할 수 있다.According to one embodiment, the electronic device may be a smart home appliance with a communication function. For smart home appliances, for example, electronic devices are televisions, digital video disk (DVD) players, audio, refrigerators, air conditioners, cleaners, ovens, microwaves, washing machines, air cleaners, set-top boxes, TVs. It may include at least one of a box (eg, Samsung HomeSyncTM, Apple TVTM, or Google TVTM), game consoles, electronic dictionary, electronic key, camcorder, or electronic picture frame.

일실시예에 따르면, 전자 장치는 각종 의료기기(예: MRA(magnetic resonance angiography), MRI(magnetic resonance imaging), CT(computed tomography), 촬영기, 초음파기 등), 네비게이션(navigation) 장치, GPS 수신기(global positioning system receiver), EDR(event data recorder), FDR(flight data recorder), 자동차 인포테인먼트(infotainment) 장치, 선박용 전자 장비(예: 선박용 항법 장치 및 자이로 콤파스 등), 항공 전자기기(avionics), 보안 기기, 차량용 헤드 유닛, 산업용 또는 가정용 로봇, 금융 기관의 ATM(automatic teller's machine) 또는 상점의 POS(point of sales) 중 적어도 하나를 포함할 수 있다.According to an embodiment, the electronic device may include various medical devices (eg, magnetic resonance angiography (MRA), magnetic resonance imaging (MRI), computed tomography (CT), imaging device, ultrasound device, etc.), navigation device, GPS receiver ( Global positioning system receiver (EDR), event data recorder (EDR), flight data recorder (FDR), automotive infotainment devices, marine electronic equipment (e.g. marine navigation devices and gyro compasses, etc.), avionics, security It may include at least one of a device, a head unit for a vehicle, an industrial or household robot, an automatic teller's machine (ATM) of a financial institution, or a point of sales (POS) of a store.

일실시예에 따르면, 전자 장치는 통신 기능을 포함한 가구(furniture) 또는 건물/구조물의 일부, 전자 보드(electronic board), 전자 사인 입력장치(electronic signature receiving device), 프로젝터(projector), 또는 각종 계측기기(예: 수도, 전기, 가스, 또는 전파 계측 기기 등) 중 적어도 하나를 포함할 수 있다. 일실시예에에 따른 전자 장치는 전술한 다양한 장치들 중 하나 또는 그 이상의 조합일 수 있다. 또한, 일실시예에 따른 전자 장치는 플렉서블 장치일 수 있다. 또한, 일실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않음은 당업자에게 자명하다. 다양한 실시예에서 이용되는 유저라는 용어는 전자 장치를 사용하는 사람 또는 전자 장치를 사용하는 장치(예: 인공지능 전자 장치)를 지칭할 수 있다.According to one embodiment, the electronic device is a furniture or part of a building / structure including a communication function, an electronic board, an electronic signature receiving device, a projector, or various measurement devices. It may include at least one of a device (for example, water, electricity, gas, or radio wave measurement devices). The electronic device according to an embodiment may be a combination of one or more of the various devices described above. Also, the electronic device according to an embodiment may be a flexible device. Also, it is apparent to those skilled in the art that the electronic device according to an embodiment is not limited to the above-described devices. The term user used in various embodiments may refer to a person using an electronic device or a device using an electronic device (eg, an artificial intelligence electronic device).

일실시예에 따른 전자 장치는 프로세서, 메모리, 유저 인터페이스 및 통신 인터페이스를 포함하고, 다른 전자 장치와 네트워크를 통해 연결될 수 있다. 통신 인터페이스는 유, 무선 네트워크 또는 유선 직렬 통신 등을 통하여 소정 거리 이내의 다른 전자 장치와 데이터를 송수신할 수 있다. 네트워크는 일실시예에 따른 전자 장치와 다양한 개체들(entities) 간의 유, 무선 통신을 가능하게 한다. 전자 장치는 네트워크를 통해 다양한 개체들과 통신할 수 있고, 네트워크는 표준 통신 기술 및/또는 프로토콜들을 사용할 수 있다. 이때, 네트워크(network)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network) 등을 포함하나 이에 한정되지 않으며, 정보를 송, 수신할 수 있는 다른 종류의 네트워크가 될 수도 있음을 통신 기술 분야의 통상의 지식을 가진 자라면 알 수 있다.An electronic device according to an embodiment includes a processor, a memory, a user interface, and a communication interface, and may be connected to another electronic device through a network. The communication interface may transmit and receive data to and from other electronic devices within a predetermined distance through a wired, wireless network, or wired serial communication. The network enables wired and wireless communication between electronic devices and various entities according to an embodiment. The electronic device can communicate with various entities over the network, and the network can use standard communication technologies and / or protocols. At this time, the network (network) includes, but is not limited to, the Internet (Internet), a local area network (LAN), a wireless local area network (LAN), a wide area network (WAN), a personal area network (PAN), and the like. Anyone who has ordinary knowledge in the field of communication technology can know that it can be another kind of network that can transmit and receive information.

일실시예에 따른 진단용 카메라는 영상 및 사진 촬영을 위한 디지털 장비로서, 1500만 화소 이상의 카메라를 포함할 수 있다. 진단용 카메라는 ISO(International Standardization Organization), 노출, 셔터 스피드 등을 자동으로 조절할 수 있는 초당 60프레임의 UHD(Ultra High Definition)급 촬영이 가능한 비디오 촬영 장비일 수 있다. 촬영 시 건물의 전면, 후면, 좌측면 및 우측면은 주 출입구를 포함하는 면을 전면으로 보고, 이를 기준으로 촬영자가 마주본 상태에서 건물을 기준으로 좌측면, 우측면 및 후면이 결정될 수 있다. 원통형 건물의 경우는 기존의 전면을 기준으로 각각 90˚의 각도로 회전 촬영하는 방식으로 좌측면, 우측면 및 후면을 결정할 수 있다. 기타면은 건물의 형태가 직육면체형이나 원통형을 벗어난 경우에 해당하며, 'ㄴ'자 형이나 'ㄷ'자 형의 건물들이 이에 해당할 수 있다. 기타면의 경우 전면, 좌측면, 우측면 및 후면을 제외한 나머지 면들을 모두 촬영하는 것을 기준으로 하며, 해당 면들에 대한 명칭은 사용자가 임의로 지정할 수 있다. 하늘면 사진은 건물의 일부를 전체 사진 면적의 1/3이 넘도록 포함한 상태에서 하늘을 촬영한 사진으로, 하늘에서의 일조량을 기준으로 건물 각 면의 색 정보를 보정하기 위한 기준값을 획득하기 위한 사진일 수 있다.A diagnostic camera according to an embodiment is a digital device for imaging and photographing, and may include a camera of 15 million pixels or more. The diagnostic camera may be a video recording device capable of ultra high definition (UHD) -class shooting at 60 frames per second, which can automatically adjust ISO (International Standardization Organization), exposure, shutter speed, and the like. When photographing, the front, rear, left, and right sides of the building look at the front side including the main entrance, and the left side, right side, and rear side of the building can be determined based on the building facing the photographer. In the case of a cylindrical building, the left side, the right side, and the back side can be determined by rotating and shooting at an angle of 90 degrees relative to the existing front side. The other side corresponds to a case in which the shape of the building is out of a rectangular parallelepiped shape or a cylindrical shape, and the 'b'-shaped or' c'-shaped buildings may correspond to this. In the case of the other side, it is based on photographing all the remaining surfaces except the front side, left side, right side, and back side, and the names of the corresponding side can be arbitrarily designated by the user. The sky side picture is a picture taken of the sky with a part of the building covering more than 1/3 of the total area of the picture, and a picture for obtaining a reference value for correcting color information on each side of the building based on the amount of sunlight in the sky. Can be

일실시예에 따르면, 제어 장치는 촬영 사진들에 기초하여, 제1 입력 신호를 생성할 수 있다(102).According to one embodiment, the control device may generate a first input signal based on the captured pictures (102).

일실시예에 따르면, 제어 장치는 촬영된 사진들로부터 색 정보를 획득하여, 이 값을 블록체인 네트워크 내 컨벌루션 신경망에 적합한 형태의 제1 입력 신호로 생성할 수 있다.According to an embodiment, the control device may acquire color information from the photographed pictures, and generate this value as a first input signal in a form suitable for a convolutional neural network in a blockchain network.

일실시예에 따른 색 정보는 사진 속 각 픽셀들이 포함하는 색 정보를 의미하며, 각각의 픽셀들이 포함한 색 정보는 RGB 색상, 채도 및 명도의 값을 각각 수치화된 값으로 표현하는 것을 의미할 수 있다. 영상의 경우 각 프레임을 사진으로 획득해 동일한 방식으로 픽셀들이 포함하는 색 정보를 획득할 수 있다.The color information according to an embodiment means color information included in each pixel in the picture, and the color information included in each pixel may mean representing values of RGB color, saturation, and brightness as numerical values. . In the case of an image, each frame may be acquired as a picture to obtain color information included in pixels in the same manner.

일실시예에 따르면, 제어 장치는 제1 입력 신호를 블록체인 네트워크 내 컨벌루션 신경망에 전송 및 입력할 수 있다(103).According to one embodiment, the control device may transmit and input the first input signal to the convolutional neural network in the blockchain network (103).

일실시예에 따른 컨벌루션 신경망은 진단용 카메라의 촬영 결과를 바탕으로 대상 건물의 크랙 및 도장 필요 여부를 판단할 수 있도록 설계될 수 있다. 이러한 컨벌루션 신경망은 특징 추출 신경망과 분류 신경망으로 구성돼있으며 특징 추출 신경망은 입력 신호를 컨벌루션 계층과 풀링 계층을 차례로 쌓아 진행한다. 컨벌루션 계층은 컨벌루션 연산, 컨벌루션 필터 및 활성함수를 포함하고 있다. 컨벌루션 필터의 계산은 대상 입력의 행렬 크기에 따라 조정되나 일반적으로 9X9 행렬을 사용한다. 활성 함수는 일반적으로 ReLU 함수, 시그모이드 함수, 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 풀링 계층은 입력의 행렬 크기를 줄이는 역할을 하는 계층으로, 특정 영역의 픽셀을 묶어 대표값을 추출하는 방식을 사용한다. 풀링 계층의 연산에는 일반적으로 평균값이나 최대값을 많이 사용하나 이에 한정하지 않는다. 해당 연산은 정방 행렬을 사용하여 진행되는데, 일반적으로 9X9 행렬을 사용한다. 컨벌루션 계층과 풀링 계층은 해당 입력이 차이를 유지한 상태에서 충분히 작아질 때까지 번갈아 반복 진행된다.The convolutional neural network according to an embodiment may be designed to determine whether a target building needs to be cracked and painted based on a result of a diagnostic camera. Such a convolutional neural network is composed of a feature extraction neural network and a classification neural network, and the feature extraction neural network proceeds by stacking the input signal sequentially in a convolutional layer and a pooling layer. The convolution layer includes a convolution operation, a convolution filter, and an active function. The calculation of the convolution filter is adjusted according to the matrix size of the target input, but a 9X9 matrix is generally used. The active function generally uses a ReLU function, a sigmoid function, and a tanh function, but is not limited thereto. The pooling layer is a layer that serves to reduce the matrix size of the input, and uses a method of extracting a representative value by grouping pixels in a specific area. In the calculation of the pooling layer, an average value or a maximum value is generally used, but is not limited thereto. The operation is performed using a square matrix, and generally, a 9X9 matrix is used. The convolutional layer and the pooling layer are alternately repeated until the input is small enough while maintaining the difference.

일실시예에 따르면, 분류 신경망은 은닉층과 출력층을 가지고 있다. 크랙 보수 및 도장 공사의 제어 방법을 위한 컨벌루션 신경망에서는 일반적으로 은닉층이 3개 이상 존재하며, 각 은닉층의 노드는 100개로 지정하나 경우에 따라 그 이상 또는 이하로 정할 수 있다. 은닉층의 활성함수는 ReLU 함수, 시그모이드 함수 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 컨벌루션 신경망의 출력층 노드는 총 10개로 할 수 있다. 분류 신경망의 출력층 활성함수는 소프트맥스 함수를 사용한다. 소프트맥스 함수는 one-hot 인코딩의 대표 함수로서, 모든 출력 노드의 합을 총 1이 되게 하며 가장 최대의 값을 가지는 출력 노드의 출력을 1로 하고, 나머지 출력 노드의 출력을 0으로 하는 함수이다. 소프트맥스 함수를 통해 10개의 출력 중 하나의 출력만을 선택하는 것이 가능하다.According to one embodiment, the classification neural network has a hidden layer and an output layer. In the convolutional neural network for crack repair and painting control methods, there are generally three or more hidden layers, and each hidden layer is designated as 100 nodes, but it can be set to more or less depending on the case. The active function of the hidden layer uses a ReLU function, a sigmoid function, and a tanh function, but is not limited thereto. The output layer node of the convolutional neural network can be 10 in total. The output layer activation function of the classification neural network uses a softmax function. The softmax function is a representative function of one-hot encoding. It is a function that makes the sum of all output nodes total 1, sets the output of the output node with the largest value to 1, and the output of the remaining output nodes to 0. . It is possible to select only one of the 10 outputs through the Softmax function.

일실시예에 따른 블록체인 네트워크는 데이터 베이스를 저장하는 블록들과 이를 시간순으로 연결하는 체인 등으로 구성되며, 데이터 베이스는 촬영 사진의 색 정보들, 크랙 정보들, 도장 대상 정보들 등의 데이터를 저장할 수 있다. 저장된 데이터 베이스는 빅데이터로 관리되며, 블록체인 네트워크는 이 데이터 베이스의 정보를 안전하게 보관하도록 돕고 제한된 사용자들만이 사용할 수 있도록 할 수 있다. 블록체인 네트워크 및 컨벌루션 신경망에 대한 설명은 도 3, 도 4 및 도 5를 참조하여 후술한다.The blockchain network according to an embodiment is composed of blocks storing a database and a chain connecting them in chronological order, and the database stores data such as color information, crack information, and paint target information of a photographed picture. Can be saved. The stored database is managed as big data, and the blockchain network can help securely store the information in this database and make it available to limited users. The description of the blockchain network and the convolutional neural network will be described later with reference to FIGS. 3, 4, and 5.

일실시예에 따르면, 제어 장치는 입력 결과에 기초하여, 제1 출력 신호를 획득할 수 있다(104). 제어 장치는 제1 출력 신호에 기초하여, 크랙 정보 및 도장 대상 정보를 제어 장치 내 디스플레이 화면에 출력할 수 있다(105).According to one embodiment, the control device may obtain a first output signal based on the input result (104). Based on the first output signal, the control device may output crack information and painting target information to a display screen in the control device (105).

일실시예에 따르면, 컨벌루션 신경망은 10개의 출력을 가질 수 있는데, 각각은 진단용 카메라의 촬영 사진을 바탕으로 한 크랙 정보 및 도장 대상 정보를 포함할 수 있으며, 각 정보는 제어 장치 내 디스플레이 화면을 통해 출력될 수 있다. 디스플레이 화면에는 시공업자가 찍은 사진 상에 크랙 및 도장 대상의 위치가 계략적으로 표시될 수 있으며, 이 외에도 크랙의 종류, 깊이, 길이 및 도장 공사가 필요한 범위 등의 값이 표시될 수 있다.According to one embodiment, the convolutional neural network may have 10 outputs, each of which may include crack information and painting target information based on a photograph taken by a diagnostic camera, and each information may be displayed through a display screen in the control device. Can be output. On the display screen, the location of the crack and the object to be painted can be displayed on the picture taken by the contractor, and in addition, values such as the type of crack, depth, length, and the range in which the painting is required may be displayed.

일실시예에 따르면, 제어 장치는 크랙 보수 및 도장 공사를 위한 제어 방법에 딥러닝 기술을 적용해 정확성과 효율성을 높일 수 있다.According to one embodiment, the control device may increase accuracy and efficiency by applying deep learning technology to a control method for crack repair and painting construction.

도 2는 일실시예에 따른 제어 장치를 설명하기 위한 도면이다.2 is a view for explaining a control device according to an embodiment.

도 2를 참조하면, 제어 장치는 제어 장치 내 후면에 위치하며 대상 건물의 외관을 촬영하기 위한 진단용 카메라(201); 제어 장치 내 전면에 위치하며 촬영용 소프트웨어 디스플레이 정보, 촬영 정보, 크랙 정보 및 도장 대상 정보를 출력하는 디스플레이 화면(202); 및 촬영용 소프트웨어가 설치되었으며, 무선 인터넷을 통해 블록체인 네트워크에 접속 가능한 임베디드 컴퓨터(203)를 포함할 수 있다.Referring to Figure 2, the control device is located on the rear of the control device and a diagnostic camera 201 for photographing the exterior of the target building; A display screen 202 located on the front side of the control device and outputting software display information for shooting, shooting information, crack information, and painting target information; And a software for photographing is installed, and may include an embedded computer 203 capable of accessing a blockchain network through wireless Internet.

일실시예에 따르면, 진단용 카메라(201)는 대상 건물의 외관을 촬영해 색 정보를 획득하기 위한 장치로서, 카메라에 촬영된 사진을 통해 제어 장치는 제1 입력 신호를 생성할 수 있다. 진단용 카메라(201)는 최대 UHD 화질의 사진 및 영상을 촬영할 수 있으며, 경우에 따라 동시에 360˚ 촬영이 가능한 장비일 수 있다.According to one embodiment, the diagnostic camera 201 is a device for acquiring color information by photographing the exterior of a target building, and a control device may generate a first input signal through a picture photographed on the camera. The diagnostic camera 201 may take pictures and videos of the maximum UHD quality, and in some cases, may be equipment capable of 360 ° shooting at the same time.

일실시예에 따르면, 디스플레이 화면(202)은 진단용 카메라(201)에 찍힐 사진의 미리보기 화면을 제공할 수 있다. 시공업자는 디스플레이 화면(202)을 통해 진단용 카메라(201)에 찍힐 사진 및 영상을 대략적으로 확인할 수 있는 촬영 정보를 표시할 수 있으며, 이를 바탕으로 의도에 맞는 사진을 촬영할 수 있다. 디스플레이 화면(202)에는 촬영용 소프트웨어의 출력이 표시될 수 있는데, 해당 소프트웨어는 시공업자의 편의를 위해 시공업자가 촬영하고자 하는 면을 선택하면 해당 면의 촬영 각도에 대한 가이드를 해줄 수 있도록 설계될 수 있다. 디스플레이 화면(202)에는 크랙 정보 및 도장 대상 정보가 출력될 수 있는데, 각각은 해당 면의 사진 상에 표시될 수 있으며 추가적으로 시공업자가 자세한 정보를 원하여 해당 표시된 부분을 선택 시 해당 부분에 대한 자세한 정보를 제공할 수 있다. 자세한 정보에는 크랙의 위치, 종류, 깊이, 길이, 도장 대상의 위치 및 범위가 포함될 수 있다. 디스플레이 화면(202)은 또한 각 정보를 바탕으로 한 소프트웨어의 판단 결과에 따른 크랙 보수 및 도장 공사의 필요성을 위험, 경고, 적절, 안전의 네 단계로 표시할 수 있다.According to an embodiment, the display screen 202 may provide a preview screen of a picture to be taken on the diagnostic camera 201. Through the display screen 202, the contractor can display photographing information that can roughly confirm a picture and an image to be taken on the diagnostic camera 201, and can take a picture suited to the intention based on this. The output of the shooting software may be displayed on the display screen 202. For the convenience of the contractor, the software may be designed to guide the shooting angle of the corresponding surface when the contractor selects a surface to be photographed. . Crack information and painting target information may be displayed on the display screen 202, each of which may be displayed on a picture of the corresponding surface, and additionally, when a contractor selects the corresponding displayed part in need of detailed information, detailed information about the corresponding part Can provide. Detailed information may include the location, type, depth, length, and location and extent of the object to be painted. The display screen 202 may also display the necessity of crack repair and painting work according to the judgment result of the software based on each information in four stages of danger, warning, proper, and safety.

일실시예에 따른 임베디드 컴퓨터(203)는 촬영용 소프트웨어가 설치된 판단 장치로서, 소프트웨어의 출력값을 디스플레이 화면(202)에 출력하도록 할 수 있으며, 블록체인 네트워크와의 통신을 위한 무선 통신 장치를 포함할 수 있다. 촬영용 소프트웨어는 진단용 카메라(201)의 촬영용 화면을 디스플레이 화면(202)에 출력될 수 있도록 할 수 있으며, 블록체인 네트워크 내 컨벌루션 신경망의 판단 결과에 따른 제1 출력 신호의 상세한 내용들을 디스플레이 화면(202)에 출력될 수 있도록 처리할 수 있다. 또한 촬영용 소프트웨어는 크랙의 수, 크기, 정도, 도장 대상의 크기, 정도를 바탕으로 크랙 보수 및 도장 공사의 필요성을 위험, 경고, 적절 및 안전의 단계로 분류할 수 있다. 소프트웨어는 크랙의 수가 3개 이하이고, 크기가 2m를 넘는 것이 없고, 정도에 있어 깊이가 경도 이하이며, 도장 대상의 크기가 총합 8m2를 넘지 않고, 그 정도도 주변 도장 칠의 20% 이하의 변형일 경우 이를 안전으로 판단할 수 있다. 소프트웨어는 크랙의 수가 3개 이상이거나, 크기가 2m를 넘는 것이 있거나, 정도에 있어 깊이가 경도 이상이거나, 도장 대상의 크기가 총합 8m2를 넘거나, 그 정도도 주변 도장 칠의 20% 이상의 변형이 있을 때, 이 중 2개 이하로만 해당되는 경우 이를 적절로 판단할 수 있다. 소프트웨어는 크랙의 수가 3개 이상이거나, 크기가 2m를 넘는 것이 있거나, 정도에 있어 깊이가 경도 이상이거나, 도장 대상의 크기가 총합 8m2를 넘거나, 그 정도도 주변 도장 칠의 20% 이상의 변형이 있을 때, 이 중 4개 이하로 해당되거나 크랙의 수가 8개 이상이거나, 크기가 4m를 넘는 것이 있거나, 정도에 있어 깊이가 중등도 이상이거나, 도장 대상의 크기가 총합 14m2를 넘거나, 그 정도도 주변 도장 칠의 50% 이상의 변형이 있을 때, 이 중 2개 이하로 해당되는 경우 이를 경고로 판단할 수 있다. 소프트웨어는 크랙의 수가 3개 이상이고, 크기가 2m를 넘는 것이 있고, 정도에 있어 깊이가 경도 이상이고, 도장 대상의 크기가 총합 8m2를 넘고, 그 정도도 주변 도장 칠의 20% 이상의 변형이 있을 때 이 모든 경우에 해당되거나 크랙의 수가 8개 이상이거나, 크기가 4m를 넘는 것이 있거나, 정도에 있어 깊이가 중등도 이상이거나, 도장 대상의 크기가 총합 14m2를 넘거나, 그 정도도 주변 도장 칠의 50% 이상의 변형이 있을 때, 이 중 3개 이상으로 해당되는 경우 이를 위험으로 판단할 수 있다.The embedded computer 203 according to an embodiment is a determination device in which photographing software is installed, and may output the output value of the software to the display screen 202, and may include a wireless communication device for communication with a blockchain network. have. The software for shooting may enable the screen for shooting of the diagnostic camera 201 to be output on the display screen 202, and the details of the first output signal according to the judgment result of the convolutional neural network in the blockchain network 202 Can be processed to be output in In addition, the software for shooting can classify the need for crack repair and painting construction into the stages of danger, warning, appropriateness and safety based on the number, size, degree of cracks, and the size and degree of the object to be painted. The software and the number of cracks up to three, there is a size greater than 2m, and a depth of hardness less in degree, not exceeding the sum 8m 2 the size of the coating target, the degree less than 20% of the paint around the seal In case of deformation, it can be judged as safety. The software may have more than 3 cracks, a size exceeding 2m, a depth greater than or equal to hardness, or a total size of the object to be applied exceeding 8m 2 , or even more than 20% of the surrounding paint coating. In this case, if only 2 or less of these are applicable, it may be appropriately determined. The software may have more than 3 cracks, a size exceeding 2m, a depth greater than or equal to hardness, or a total size of the object to be applied exceeding 8m 2 , or even more than 20% of the surrounding paint coating. In this case, there are 4 or less of these, or the number of cracks is 8 or more, the size exceeds 4m, the depth is moderate or higher in the degree, or the size of the object to be painted exceeds 14m 2 in total. When there is more than 50% deformation of the surrounding coating, the degree can be judged as a warning when two or less of these are applied. The software has 3 or more cracks, some of which are over 2m in size, and the depth of which is greater than or equal to hardness, and the size of the object to be painted exceeds 8m 2 in total, and the degree of deformation is more than 20% of the surrounding painting. If there are, in all of these cases, the number of cracks is 8 or more, the size exceeds 4 m, the depth is moderate or higher in accuracy, the size of the object to be painted exceeds 14 m 2 in total, or the degree of the surrounding coating When there is a deformation of more than 50% of the fill, it can be judged as a risk if 3 or more of them are applicable.

도 3은 일실시예에 따른 블록체인 네트워크를 설명하기 위한 도면이다.3 is a diagram for explaining a blockchain network according to an embodiment.

도 3을 참조하면, 다양한 건물 외관 사진들, 크랙 정보들, 도장 대상 정보들, 크랙 보수 및 도장 공사를 위한 재료 정보들을 포함하는 데이터 베이스 및 미리 학습된 컨벌루션 신경망을 포함하는 블록(301)들; 각 블록(301)을 시간 순으로 연결하는 체인(302)들; 및 각 블록체인을 저장하는 제1(310), 제2(320), 제3 네트워크 저장장치(330)를 포함하는 프라이빗 블록체인 네트워크일 수 있다.Referring to FIG. 3, a block 301 including a database including various building exterior photographs, crack information, painting target information, material information for crack repair and painting construction, and a pre-trained convolutional neural network; Chains 302 connecting each block 301 in chronological order; And it may be a private blockchain network including a first (310), second (320), third network storage device 330 for storing each blockchain.

일실시예에 따르면, 블록체인 네트워크의 블록(301)은 다양한 건물 외관 사진들, 크랙 정보들, 도장 대상 정보들, 크랙 보수 및 도장 공사를 위한 재료 정보들을 포함하는 데이터 베이스와 이를 다루는 미리 학습된 컨벌루션 신경망을 포함할 수 있다. 각 블록(301)들은 일반적으로 시간 순으로 연결이 되며, 이에 따라 10분 간격으로 새로운 블록(301)들이 생산될 수 있다. 이미 생성된 블록(301)의 내용들은 모든 네트워크 저장장치들에 저장되며, 시간 내에 과반수의 내용이 변경되지 않는 한 변경될 수 없는 구조로 되어있다. 예를 들어, 총 3개의 네트워크 저장장치를 가진 블록체인 네트워크에서 각 네트워크 저장장치 당 1개씩의 블록(301)을 가지고 있다고 했을 때, 제한된 시간 내에 2개 이상의 블록(301)의 내용을 바꾸지 못하면, 각 블록(301)은 검증을 통해 과반수와 다른 내용의 블록(301)을 과반수와 같도록 값을 재변경 시킬 수 있다. 이에 따라 높은 보안을 유지할 수 있는데, 실제로 블록체인 네트워크에 참여하는 네트워크 저장장치의 수는 수십에서 수십만에 달할 수 있기 때문에 더욱 높은 보안성을 나타낼 수 있다.According to an embodiment, the block 301 of the blockchain network includes a database including various building exterior photos, crack information, painting target information, material information for crack repair and painting construction, and a pre-trained material handling the same. Convolutional neural networks. Each block 301 is generally connected in chronological order, so that new blocks 301 can be produced at 10 minute intervals. The contents of the already generated block 301 are stored in all network storage devices, and cannot be changed unless the majority of the contents are changed in time. For example, in a blockchain network having a total of three network storage devices, when it is assumed that one block 301 is provided for each network storage device, if the contents of two or more blocks 301 cannot be changed within a limited time, Each block 301 may change the value of the block 301 having a different content from the majority to be equal to the majority by verification. Accordingly, it is possible to maintain high security. In fact, the number of network storage devices participating in the blockchain network may reach tens to hundreds of thousands, and thus, it may exhibit higher security.

일실시예에 따른 체인(302)들은 해시값으로 구성될 수 있다. 체인(302)들은 블록(301)을 시간 순으로 연속되도록 하는데, 이 때 해시값을 이용해 각 블록(301)들이 연결되게 할 수 있다. 블록(301)에는 데이터 베이스 및 데이터 베이스의 해시값, 이전 헤더 및 현 블록의 헤더를 보관할 수 있다. 여기서 현 블록의 헤더는 다음 블록에서 이전 헤더의 기능을 하게 되어 각 블록(301)들은 유기적으로 연결될 수 있다. 더불어 해시값은 블록의 내용이 조금이라도 바뀌면 완전히 다른 형태로 변형이 되는데, 이 때문에 데이터 베이스의 내용을 변경하려는 시도를 효과적으로 막을 수 있다. 현 블록의 헤더는 데이터 베이스, 데이터 베이스의 해시값 및 이전 헤더를 포함한 총 합의 해시값이 되기 때문에, 데이터 베이스와 해시값을 효과적으로 수정해 보안을 해치려는 시도도 성공하기 어렵게 된다. 왜냐하면 데이터 베이스와 해시값을 수정하는 순간, 헤더의 내용도 바뀌게 되고 이에 따라 다음 블록에 들어가는 이전 헤더도 바뀌게 되며, 이에 따라 그 블록의 헤더도 바뀌어 다음 블록의 이전 헤더를 다시 바꾸게 될 수 있다. 즉, 이후의 모든 블록(301)을 해킹해야만 하게 된다. 따라서, 해시값을 통한 체인(302)으로 블록체인의 보안을 높일 수 있다. 제어 장치는 블록체인 네트워크를 통해 정보를 빅데이터화 하고, 강화된 보안을 사용할 수 있다.Chains 302 according to one embodiment may consist of hash values. The chains 302 allow the blocks 301 to be continuous in chronological order. At this time, each block 301 can be connected using a hash value. In block 301, a database and a hash value of the database, a previous header, and a header of the current block may be stored. Here, the header of the current block functions as a previous header in the next block, so that each block 301 can be organically connected. In addition, the hash value is transformed into a completely different form when the contents of the block are changed even a little, which effectively prevents an attempt to change the contents of the database. Since the header of the current block becomes the total hash value including the database, the hash value of the database, and the previous header, it is difficult to successfully attempt to compromise security by effectively modifying the database and the hash value. Because, when the database and hash values are modified, the contents of the header are changed, and accordingly, the previous header that enters the next block is also changed, and accordingly, the header of the block is also changed, so that the previous header of the next block can be changed again. That is, all subsequent blocks 301 must be hacked. Therefore, it is possible to increase the security of the blockchain with the chain 302 through the hash value. The control device can make information big data through the blockchain network and use enhanced security.

일실시예에 따르면, 크랙 보수 및 도장 공사를 위한 제어 방법을 위한 재료들을 생산하는 제1 생산자를 포함하는 제1 네트워크 저장장치(310); 크랙 보수 및 도장 공사를 시행하는 시공업자를 포함하는 제2 네트워크 저장장치(320); 크랙 보수 및 도장 공사를 위한 제어 방법의 대상 건물의 관리자를 포함하는 제3 네트워크 저장장치(330); 및 각 네트워크 저장장치들을 연결하는 초고속 인터넷 연결망(303)을 포함할 수 있다. 제1, 제2 및 제3으로 분류된 네트워크 저장장치들은 포함된 실무자의 수, 사용자의 수 및 그 저장 장치의 수에 따라 그 수가 결정될 수 있다.According to an embodiment, a first network storage device 310 including a first producer that produces materials for a control method for crack repair and painting works; A second network storage device 320 including a contractor performing crack repair and painting work; A third network storage device 330 including a manager of a target building of a control method for crack repair and painting work; And a high-speed Internet connection network 303 connecting each network storage device. The network storage devices classified as the first, second, and third may be determined according to the number of practitioners included, the number of users, and the number of storage devices.

일실시예에 따르면, 제1 네트워크 저장장치(310)는 크랙 보수 및 도장 공사를 위한 제어 방법을 위한 재료들을 생산하는 제1 생산자를 포함할 수 있으며, 제1 생산자는 1개 업체 혹은 그 이상일 수 있다. 제1 네트워크 저장장치(310)의 수는 각 업체가 사용하는 저장 장치의 수에 따라 그 수가 결정 될 수 있다. 제1 네트워크 저장장치(310)의 재료를 생산하는 제1 생산자는 블록체인 네트워크의 데이터 베이스 및 컨벌루션 신경망을 바탕으로 크랙 및 도장 대상에 대한 정보에 기초하여 필요한 재료들을 개발 및 생산할 수 있으며, 시공업자의 재고 상황에 기초하여 크랙 보수 및 도장 공사에 필요한 재료를 자동 주문 받아 제공할 수 있다.According to one embodiment, the first network storage device 310 may include a first producer that produces materials for a control method for crack repair and painting work, and the first producer may be one company or more. have. The number of first network storage devices 310 may be determined according to the number of storage devices used by each company. The first producer that produces the material of the first network storage device 310 can develop and produce the necessary materials based on information about the crack and painting target based on the database and convolutional neural network of the blockchain network, and the contractor Based on the stock situation, it is possible to automatically receive and provide materials required for crack repair and painting work.

일실시예에 따르면, 제2 네트워크 저장장치(320)는 크랙 보수 및 도장 공사를 시행하는 시공업자를 포함할 수 있다. 제2 네트워크 저장장치(320)는 크랙 보수 및 도장 공사를 시행하는 시공 업체 및 그 실무자의 수에 따라 그 수가 결정될 수 있다. 제2 네트워크 저장장치(320)의 시공업자는 크랙 보수 및 도장 공사를 위한 제어 장치를 사용하는 실 사용자(이하, 사용자)로도 부를 수 있다. 제2 네트워크 저장장치(320)의 제어 장치 사용자들은 제어 장치의 사용 중에 발생하는 오류들에 대한 정보를 사용자들이 수동으로 입력함으로써 컨벌루션 신경망의 학습을 용이하게 할 수 있다. 더불어 사용자들은 본인들의 재료에 대한 재고 상황을 자동으로 관리되도록 함으로써, 크랙 보수 및 도장 공사를 위한 재료의 자동 주문을 통해 작업의 효율성을 높이는 데 기여할 수 있다.According to one embodiment, the second network storage device 320 may include a contractor performing crack repair and painting work. The number of the second network storage device 320 may be determined according to the number of construction companies and practitioners who perform crack repair and painting work. The contractor of the second network storage device 320 may also be referred to as a real user (hereinafter referred to as a user) using a control device for crack repair and painting work. Users of the control device of the second network storage device 320 may facilitate learning of the convolutional neural network by manually inputting information about errors occurring during use of the control device. In addition, users can automatically manage the inventory status of their materials, thereby contributing to increased work efficiency through automatic ordering of materials for crack repair and painting work.

일실시예에 따르면, 제3 네트워크 저장장치(330)는 크랙 보수 및 도장 공사를 위한 제어 방법의 대상 건물의 관리자를 포함할 수 있다. 제3 네트워크 저장장치(330)의 관리자는 자신이 요청한 건물에 대한 크랙 보수 및 도장 공사 주문 체결 시 제3 네트워크 저장장치(330) 사용자로서 승인을 받을 수 있으며, 자신이 주문한 대상 건물에 대한 크랙 보수 및 도장 공사의 현재 상황에 대한 업데이트 정보를 블록체인 네트워크를 통해 확인할 수 있다. 해당 관리자는 건물의 소유주가 될 수 있으나, 이에 국한하지 않는다.According to an embodiment, the third network storage device 330 may include a manager of a target building of a control method for crack repair and painting work. The administrator of the third network storage device 330 can receive approval as a user of the third network storage device 330 when repairing a crack for a building requested by him and signing an order for painting work, and repairing a crack for a target building that he has ordered And update information on the current situation of the painting construction can be confirmed through a blockchain network. The manager may be, but is not limited to, the owner of the building.

일실시예에 따른 초고속 인터넷 연결망(303)은 통상적으로 10Mb/s 이상의 속도를 보이는 인터넷 연결망을 의미하는데, 유선, 무선, 광케이블 기술 등을 포함하는 연결망으로 LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network) 등을 포함하나 이에 한정되지 않는다.The high-speed Internet connection network 303 according to an embodiment generally refers to an Internet connection network having a speed of 10 Mb / s or more, and includes a local area network (LAN), a wireless LAN (Wireless) as a connection network including wired, wireless, and optical cable technologies. Local Area Network (WAN), Wide Area Network (WAN), Personal Area Network (PAN), and the like.

도 4는 일실시예에 따른 데이터 베이스를 설명하기 위한 도면이다.4 is a view for explaining a database according to an embodiment.

도 4를 참조하면, 데이터 베이스는 다양한 각도로 누적 촬영된 건물의 외관 사진들(401); 하늘면을 촬영한 사진들 및 하늘면 사진들로부터 일조량 정보를 획득해 대상 건물의 외관 사진의 색 정보를 보정하기 위한 보정 정보들(402); 크랙의 위치, 종류, 깊이, 길이 및 형태 등의 정보를 담은 크랙 정보들(403); 건물의 외관의 색 정보에 기초하여 새로 도장 공사해야 할 위치, 범위를 포함한 도장 대상 정보들(404); 및 크랙 정보들 및 도장 대상 정보들에 기초하여 필요한 준비 재료들을 추천하는 재료 정보들(405)을 포함할 수 있다.Referring to FIG. 4, the database includes exterior photographs 401 of a building accumulated at various angles; Correction information 402 for correcting color information of the exterior photograph of the target building by obtaining sunshine information from the sky plane photographs and the sky plane photographs; Crack information 403 containing information such as the location, type, depth, length and shape of the crack; Painting target information 404 including a location and range to be newly painted based on color information of the exterior of the building; And material information 405 that recommends necessary preparation materials based on crack information and painting target information.

일실시예에 따른 건물의 외관 사진들(401)은 제2 블록체인 저장장치를 사용하는 시공업자들에 의해 촬영된 외관 사진들(401)의 누적된 결과로서, 대상 건물의 촬영 결과에서 크랙 및 도장 대상을 구분하기 위한 비교 대상이 되는 사진들일 수 있다. 각 외관 사진들(401)은 다양한 일조량, 각도, 건물의 형태 및 외벽의 색 등의 조건하에서 촬영된 사진들일 수 있다.The exterior photographs 401 of the building according to an embodiment are cumulative results of the exterior photographs 401 taken by contractors using the second blockchain storage device. It may be pictures to be compared to distinguish the object to be painted. Each of the exterior photographs 401 may be photographs photographed under conditions such as various sunlight, angle, shape of the building, and color of the exterior wall.

일실시예에 따른 보정 정보들(402)은 촬영한 날짜의 일조량에 영향을 받지 않도록, 건물의 외관을 보정하기 위한 값을 포함한 정보일 수 있다. 해당 보정 정보들(402)은 외관 사진들(401)과 함께 촬영되는 하늘면 사진을 통해 누적된 결과값을 포함할 수 있다. 각각의 하늘면 사진들은 개별 날짜의 일조량을 포함할 수 있는데, 이는 동일한 대상 건물을 다른 날짜에 촬영해 누적한 결과를 바탕으로 이를 위한 보정값을 산정할 수 있다. 컨벌루션 신경망은 데이터 베이스 내의 보정 정보들(402)에 기초하여, 촬영된 대상 건물의 하늘면 사진으로부터 전면, 후면, 좌측면, 우측면 및 기타면의 보정을 통해 색 정보를 보정할 수 있다.The correction information 402 according to an embodiment may be information including a value for correcting the appearance of a building, so as not to be affected by the amount of sunshine on the date taken. The correction information 402 may include a result value accumulated through the sky surface photographed together with the exterior photographs 401. Each sky surface photo can include the amount of sunshine on an individual date, which can be calculated based on the cumulative results of shooting the same target building on different days. The convolutional neural network may correct color information through correction of the front, rear, left, right, and other surfaces from the sky surface photograph of the photographed target building based on the correction information 402 in the database.

일실시예에 따른 크랙 정보들(403)은 데이터 베이스 내에 촬영된 외관 사진들(401)로부터 실제 시공이 이뤄진 후, 시공업자들의 입력을 통해 생성된 제1 학습 신호로부터 학습된 결과들에 의해 누적된 정보일 수 있다. 컨벌루션 신경망은 크랙 정보들(403) 중 대상 건물의 외관 사진에 적합한 크랙 정보를 선별해 제1 출력 신호 내에 포함할 수 있다. 크랙 정보들(403)에는 크랙의 위치, 종류, 깊이, 길이 및 형태 등이 포함될 수 있다. 크랙의 위치는 사진 상에서의 위치를 좌표화하여 표현할 수 있으며, 사진 상의 좌측하단의 모서리를 원점으로 한 X-Y 2차원 평면 상의 점으로 표시할 수 있으며, 해당 점은 해당 픽셀이 될 수 있다. 크랙의 종류는 크랙의 원인과 밀접한 관련이 있을 수 있으며, 비와 바람에 의한 마모, 비 속 산 성분에 의한 부식 및 물리적 힘에 의한 충격 등이 이에 해당할 수 있다. 크랙의 깊이는 해당 크랙이 외관 벽으로부터 들어간 최대 깊이를 의미할 수 있다. 크랙의 길이는 크랙의 경로를 따르는 최대 길이를 의미하며, 곡선의 경우 해당 곡선을 직선 형태로 폈을 때를 기준으로 길이를 산정할 수 있다. 크랙의 형태는 크랙이 형성된 모양에 따라, 분화구형, 가지형, 일자형 및 함몰형 등으로 구분할 수 있으나, 이에 국한하지 않는다.Crack information 403 according to an embodiment is accumulated by results learned from a first learning signal generated through inputs of contractors after actual construction is performed from appearance photographs 401 taken in a database Information. The convolutional neural network may select crack information suitable for a photograph of the exterior of the target building from among the crack information 403 and include it in the first output signal. Crack information 403 may include the location, type, depth, length, and shape of the crack. The position of the crack can be expressed by coordinated the position on the photo, and can be displayed as a point on the X-Y 2D plane using the bottom left corner of the photo as the origin, and the corresponding point can be a corresponding pixel. The type of crack may be closely related to the cause of the crack, and may include rain and wind wear, corrosion due to acid components in the rain, and impact due to physical force. The depth of the crack may mean the maximum depth that the crack enters from the exterior wall. The length of the crack refers to the maximum length along the crack's path, and in the case of a curve, the length can be calculated based on when the curve is drawn in a straight line. The shape of the crack may be classified into a crater shape, a branch shape, a straight shape, and a depression shape according to the shape in which the crack is formed, but is not limited thereto.

일실시예에 따른 도장 대상 정보들(404)은 데이터 베이스 내에 촬영된 외관 사진들(401)로부터 실제 시공이 이뤄진 후, 시공업자들의 입력을 통해 생성된 제1 학습 신호로부터 학습된 결과들에 의해 누적된 정보일 수 있다. 컨벌루션 신경망은 도장 대상 정보들(404) 중 대상 건물의 외관 사진에 적합한 도장 대상 정보를 선별해 제1 출력 신호 내에 포함할 수 있다. 도장 대상 정보들(404)에는 도장 공사해야 할 위치 및 범위가 포함될 수 있다. 도장 공사해야 할 위치 및 범위는 각 픽셀들의 색 정보에 기초하여 주변의 픽셀과 현저한 차이를 보이는 위치 및 범위를 통해 결정할 수 있다. 현저한 차이는 해당 픽셀이 주변의 8개 픽셀 중 5개 이상과 RGB 색상이 20% 이상 차이가 나거나, 명도가 50% 이상 차이가 나거나, 채도가 30% 이상 차이가 나는 경우를 포함할 수 있으나, 이에 국한하지 않는다.Painting target information 404 according to an embodiment is based on the results learned from the first learning signal generated through the input of the contractor, after the actual construction is made from the appearance pictures 401 taken in the database It may be accumulated information. The convolutional neural network may select the target information suitable for the exterior photograph of the target building from among the target information 404 to be included in the first output signal. Painting target information 404 may include a location and range to be painted. The location and range to be painted can be determined based on the color information of each pixel through a location and range showing a significant difference from surrounding pixels. Significant differences may include cases in which the corresponding pixel has a difference of 5 or more of the surrounding 8 pixels and an RGB color by 20% or more, a brightness difference of 50% or more, or a saturation difference of 30% or more. It is not limited to this.

일실시예에 따른, 재료 정보들(405)은 크랙 정보들(403) 및 도장 대상 정보들(404)에 기초하여, 필요한 준비 재료들을 추천해줄 수 있도록 계산된 정보들일 수 있다. 시공업자는 추천 받은 재료를 사용한 경우 특별한 입력을 행할 필요가 없고, 만약 사용하지 않은 경우, 시공이 모두 끝난 후 입력을 통해 제1 학습 신호를 생성해 컨벌루션 신경망을 학습하도록 할 수 있다. 해당 재료 정보들(405)에는 재료의 종류 및 수량이 포함될 수 있으나, 이에 국한하지 않는다.According to an embodiment, the material information 405 may be calculated information to recommend necessary preparation materials based on the crack information 403 and the painting target information 404. When the recommended material is used, the contractor does not need to perform a special input, and if not used, the first learning signal can be generated through the input after all the construction is completed so that the convolutional neural network can be learned. The material information 405 may include the type and quantity of the material, but is not limited thereto.

도 5은 일실시예에 따른 컨벌루션 신경망을 설명하기 위한 도면이다.5 is a diagram for describing a convolutional neural network according to an embodiment.

도 5를 참조하면, 블록체인 네트워크 내 블록들은 미리 학습된 컨벌루션 신경망(510) 및 데이터 베이스를 포함할 수 있으며, 제1 입력 신호(501)를 입력으로 하고, 제1 출력 신호(502)를 출력으로 하며, 제1 학습 신호(503)를 통해 학습할 수 있다.Referring to FIG. 5, blocks in the blockchain network may include a pre-trained convolutional neural network 510 and a database, the first input signal 501 as an input, and the first output signal 502 as an output. And learning through the first learning signal 503.

일실시예에 따르면, 컨벌루션 신경망(510)의 입력이 되는 제1 입력 신호(501)는 진단용 카메라를 이용해 촬영된 대상 건물 외관의 전면, 좌측면, 우측면, 후면, 기타면 및 하늘면 사진의 색 정보를 수치화한 데이터 시트 형태로 기록할 수 있다. 색 정보는 픽셀 별 RGB 색상, 명도 및 채도를 포함할 수 있다. 제1 입력 신호(501)는 색 정보의 각 값들을 바탕으로 크랙 및 도장 대상의 위치 및 범위를 확인할 수 있도록 그 정보를 제공할 수 있다. 제1 입력 신호(501)가 포함하는 색 정보들은 컨벌루션 신경망(510)을 통해 크랙 및 도장 대상 여부, 해당 위치 및 범위의 분류가 이뤄지도록 할 수 있다.According to one embodiment, the first input signal 501, which is the input of the convolutional neural network 510, is the color of the front, left, right, rear, other, and sky photographs of the exterior of the target building taken using a diagnostic camera. Information can be recorded in the form of numerical data sheets. The color information may include RGB color, brightness and saturation for each pixel. The first input signal 501 may provide the information so that the location and range of a crack and a painting target can be identified based on each value of color information. The color information included in the first input signal 501 may be classified through a convolutional neural network 510, whether a crack and a painting target, a corresponding location and a range are made.

일실시예에 따르면, 컨벌루션 신경망(510)은 제1 입력 신호 내의 색 정보에 기초하여, 크랙 및 도장 대상의 좌표 및 크기를 컨벌루션 신경망의 특징 추출 신경망과 분류 신경망을 통해 분류할 수 있다. 특징 추출 신경망은 입력 신호를 컨벌루션 계층과 풀링 계층을 차례로 쌓아 진행한다. 컨벌루션 계층은 컨벌루션 연산, 컨벌루션 필터 및 활성함수를 포함하고 있다. 컨벌루션 필터의 계산은 대상 입력의 행렬 크기에 따라 조정되나 일반적으로 9X9 행렬을 사용한다. 활성 함수는 일반적으로 ReLU 함수, 시그모이드 함수, 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 풀링 계층은 입력의 행렬 크기를 줄이는 역할을 하는 계층으로, 특정 영역의 픽셀을 묶어 대표값을 추출하는 방식을 사용한다. 풀링 계층의 연산에는 일반적으로 평균값이나 최대값을 많이 사용하나 이에 한정하지 않는다. 해당 연산은 정방 행렬을 사용하여 진행되는데, 일반적으로 9X9 행렬을 사용한다. 컨벌루션 계층과 풀링 계층은 해당 입력이 차이를 유지한 상태에서 충분히 작아질 때까지 번갈아 반복 진행될 수 있다. 분류 신경망은 은닉층과 출력층을 가지고 있다. 크랙 보수 및 도장 공사를 위한 제어 방법을 위한 컨벌루션 신경망(510)에서는 일반적으로 은닉층이 3개 이상 존재하며, 각 은닉층의 노드는 100개로 지정하나 경우에 따라 그 이상 또는 이하로 정할 수 있다. 은닉층의 활성함수는 ReLU 함수, 시그모이드 함수 및 tanh 함수 등을 사용하나 이에 한정하지 않는다. 컨벌루션 신경망(510)의 출력층 노드는 총 10개로 할 수 있다. 분류 신경망의 출력층 활성함수는 소프트맥스 함수를 사용한다. 소프트맥스 함수는 one-hot 인코딩의 대표 함수로서, 모든 출력 노드의 합을 총 1이 되게 하며 가장 최대의 값을 가지는 출력 노드의 출력을 1로 하고, 나머지 출력 노드의 출력을 0으로 하는 함수이다. 소프트맥스 함수를 통해 10개의 출력 중 하나의 출력만을 선택하는 것이 가능할 수 있다. 10개의 출력은 손상 여부 및 그 좌표를 보여주며, 이에 대한 다양한 정보는 데이터 베이스 상에 저장돼있을 수 있다.According to an embodiment, the convolutional neural network 510 may classify the coordinates and sizes of cracks and painting targets through feature extraction neural networks and classification neural networks based on color information in the first input signal. The feature extraction neural network proceeds by stacking the input signal sequentially in a convolutional layer and a pooling layer. The convolution layer includes a convolution operation, a convolution filter, and an active function. The calculation of the convolution filter is adjusted according to the matrix size of the target input, but a 9X9 matrix is generally used. The active function generally uses a ReLU function, a sigmoid function, and a tanh function, but is not limited thereto. The pooling layer is a layer that serves to reduce the matrix size of the input, and uses a method of extracting a representative value by grouping pixels in a specific area. In the calculation of the pooling layer, an average value or a maximum value is generally used, but is not limited thereto. The operation is performed using a square matrix, and generally, a 9X9 matrix is used. The convolutional layer and the pooling layer may be alternately repeated until the input is small enough while maintaining a difference. The classification neural network has a hidden layer and an output layer. In the convolutional neural network 510 for a control method for crack repair and painting construction, there are generally three or more hidden layers, and the number of nodes of each hidden layer is designated as 100, but may be determined as more or less depending on the case. The active function of the hidden layer uses a ReLU function, a sigmoid function, and a tanh function, but is not limited thereto. The output layer node of the convolutional neural network 510 may be 10 in total. The output layer activation function of the classification neural network uses a softmax function. The softmax function is a representative function of one-hot encoding. It is a function that makes the sum of all output nodes total 1, sets the output of the output node with the largest value to 1, and the output of the remaining output nodes to 0. . It may be possible to select only one of the 10 outputs through the Softmax function. The 10 outputs show the damage and its coordinates, and various information about this may be stored in the database.

일실시예에 따르면, 컨벌루션 신경망(510)의 출력이 되는 제1 출력 신호(502)는 컨벌루션 신경망의 분류에 기초하여, 좌표 및 크기에 적합한 재료 목록을 포함할 수 있다. 제1 출력 신호(502)는 크랙 정보, 도장 대상 정보 및 재료 정보의 조합을 보여줄 수 있는데, 여기서 조합의 분류는 일반적으로 데이터 베이스 상에 저장된 정보에 기초할 수 있다. 데이터 베이스 상에 저장된 데이터들은 컨벌루션 신경망(510)의 학습 과정에 따라 그 데이터의 수가 증가 혹은 감소할 수 있는데, 이에 따른 출력 노드의 수도 10개 이상 혹은 이하로 변경될 수 있다.According to an embodiment, the first output signal 502 that is the output of the convolutional neural network 510 may include a material list suitable for coordinates and sizes based on the classification of the convolutional neural network. The first output signal 502 may show a combination of crack information, paint target information, and material information, where the classification of the combination may be generally based on information stored on the database. Data stored on the database may increase or decrease the number of data according to the learning process of the convolutional neural network 510, and accordingly, the number of output nodes may be changed to 10 or more.

일실시예에 따르면, 컨벌루션 신경망(510)의 학습을 위한 제1 학습 신호(503)는 크랙 및 도장 대상에 대한 시공업자의 확인 결과에 따른 입력으로부터 생성될 수 있다. 시공업자는 학습 신호 생성의 필요에 대한 판단을 바탕으로 수정해야 할 정보를 수동으로 입력할 수 있으며, 이를 통해 제1 학습 신호(503)의 종류에 따라 데이터 베이스 정보의 강화 혹은 약화가 이뤄질 수 있다.According to an embodiment, the first learning signal 503 for learning of the convolutional neural network 510 may be generated from an input according to a confirmation result of a contractor about a crack and a painting target. The contractor can manually input the information to be corrected based on the determination of the need to generate the learning signal, and through this, the database information may be strengthened or weakened according to the type of the first learning signal 503.

일실시예에 따른 제1 학습 신호(503)는 정답과 출력값의 오차를 바탕으로 만들어지며, 경우에 따라 델타를 이용하는 SGD나 배치 방식 혹은 역전파 알고리즘을 따르는 방식을 사용할 수 있다. 본 학습 신호에 의해 컨벌루션 신경망(510)은 기존의 가중치를 수정해 학습을 수행하며, 경우에 따라 모멘텀을 사용할 수 있다. 오차의 계산에는 비용함수가 사용될 수 있는데, 비용함수로 Cross entropy 함수를 사용할 수 있다.The first learning signal 503 according to an embodiment is made based on an error between a correct answer and an output value. In some cases, an SGD using a delta, a batch method, or a method using a back propagation algorithm may be used. According to the learning signal, the convolutional neural network 510 performs learning by modifying an existing weight, and may use momentum in some cases. The cost function can be used to calculate the error, and the cross entropy function can be used as the cost function.

일실시예에 따르면, 컨벌루션 신경망(510)은 제1 학습 신호(503)를 바탕으로 데이터 베이스 내의 크랙 정보들, 도장 대상 정보들 및 재료 정보들을 수정하기 위한 학습을 할 수 있다. 미리 학습된 컨벌루션 신경망(510)은 3개 이상의 은닉층을 가지고 있으며, 각 은닉층은 50개 이상의 은닉 노드를 가질 수 있다. 각 은닉 노드의 활성함수는 ReLU 함수, 시그모이드 함수 및 tanh 함수를 사용할 수 있으나, 이에 국한되지 않는다. 출력 노드의 함수는 one-hot 인코딩 기법을 활용한 소프트맥스 함수를 사용할 수 있다. 출력은 One-hot 인코딩 기법에 따라 하나의 분류만을 선택하며, 선택된 분류로부터 명령을 수행하도록 할 수 있다.According to an embodiment, the convolutional neural network 510 may learn to correct crack information, painting target information, and material information in the database based on the first learning signal 503. The previously learned convolutional neural network 510 has three or more hidden layers, and each hidden layer can have 50 or more hidden nodes. ReLU function, sigmoid function and tanh function can be used as the active function of each hidden node, but is not limited thereto. As a function of the output node, a softmax function using one-hot encoding can be used. The output selects only one classification according to the one-hot encoding technique, and can execute commands from the selected classification.

일실시예에 따르면, 데이터 베이스는 정보들을 빅데이터로 저장할 수 있으며, 블록체인 네트워크와 연결된 초고속 인터넷 연결망을 통해 지속적으로 업데이트될 수 있다.According to one embodiment, the database may store information as big data, and may be continuously updated through a high-speed Internet connection network connected to a blockchain network.

일실시예에 따른 제어 장치는 크랙 보수 및 도장 공사를 위한 제어 방법에 있어 학습을 통한 지속적인 피드백을 할 수 있다.The control device according to an embodiment may continuously feedback through learning in a control method for crack repair and painting construction.

도 6은 일실시예에 따른 장치의 구성의 예시도이다.6 is an exemplary view of a configuration of an apparatus according to an embodiment.

일실시예에 따른 장치(1201)는 프로세서(1202) 및 메모리(1203)를 포함한다. 일실시예에 따른 장치(1201)는 상술한 서버 또는 단말일 수 있다. 프로세서는 도 1 내지 도 5를 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 5를 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리(1203)는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리(1203)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다. The device 1201 according to an embodiment includes a processor 1202 and a memory 1203. The device 1201 according to an embodiment may be the above-described server or terminal. The processor may include at least one device described above with reference to FIGS. 1 to 5, or may perform at least one method described above with reference to FIGS. 1 to 5. The memory 1203 may store information related to the above-described method or a program implemented with the above-described method. The memory 1203 may be volatile memory or nonvolatile memory.

일실시예에 따르면, 프로세서(1202)는 프로그램을 실행하고, 장치(1201)를 제어할 수 있다. 프로세서(1202)에 의하여 실행되는 프로그램의 코드는 메모리(1203)에 저장될 수 있다. 장치(1201)는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.According to an embodiment, the processor 1202 may execute a program and control the device 1201. The code of the program executed by the processor 1202 may be stored in the memory 1203. The device 1201 is connected to an external device (for example, a personal computer or a network) through an input / output device (not shown) and can exchange data.

이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The embodiments described above may be implemented by hardware components, software components, and / or combinations of hardware components and software components. For example, the devices, methods, and components described in the embodiments include, for example, processors, controllers, arithmetic logic units (ALUs), digital signal processors (micro signal processors), microcomputers, and field programmable gates (FPGAs). It can be implemented using one or more general purpose computers or special purpose computers, such as arrays, programmable logic units (PLUs), microprocessors, or any other device capable of executing and responding to instructions. The processing device may run an operating system (OS) and one or more software applications running on the operating system. In addition, the processing device may access, store, manipulate, process, and generate data in response to execution of the software. For convenience of understanding, a processing device may be described as one being used, but a person having ordinary skill in the art, the processing device may include a plurality of processing elements and / or a plurality of types of processing elements. It can be seen that may include. For example, the processing device may include a plurality of processors or a processor and a controller. In addition, other processing configurations, such as parallel processors, are possible.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, or the like alone or in combination. The program instructions recorded in the medium may be specially designed and configured for the embodiments or may be known and usable by those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs, DVDs, and magnetic media such as floptical disks. -Hardware devices specifically configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include high-level language codes that can be executed by a computer using an interpreter, etc., as well as machine language codes produced by a compiler. The hardware device described above may be configured to operate as one or more software modules to perform the operations of the embodiments, and vice versa.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instruction, or a combination of one or more of these, and configure the processing device to operate as desired, or process independently or collectively You can command the device. Software and / or data may be interpreted by a processing device, or to provide instructions or data to a processing device, of any type of machine, component, physical device, virtual equipment, computer storage medium or device. , Or may be permanently or temporarily embodied in the transmitted signal wave. The software may be distributed over networked computer systems, and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.

이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described with limited drawings, those skilled in the art can apply various technical modifications and variations based on the above. For example, the described techniques are performed in a different order than the described method, and / or the components of the described system, structure, device, circuit, etc. are combined or combined in a different form from the described method, or other components Alternatively, even if replaced or substituted by equivalents, appropriate results can be achieved.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.

Claims (5)

인공지능을 기반으로 한 크랙 보수 및 도장 공사를 위한 제어 방법에 있어서,
제어 장치 내 진단용 카메라를 이용해 대상 건물 외관의 전면, 좌측면, 우측면, 후면, 기타면 및 하늘면을 촬영하는 단계;
상기 촬영 사진들에 기초하여, 제1 입력 신호를 생성하는 단계;
상기 제1 입력 신호를 블록체인 네트워크 내 컨벌루션 신경망에 전송 및 입력하는 단계;
상기 입력 결과에 기초하여, 제1 출력 신호를 획득하는 단계; 및
상기 제1 출력 신호에 기초하여, 크랙 정보 및 도장 대상 정보를 제어 장치 내 디스플레이 화면에 출력하는 단계
를 포함하고,
상기 블록체인 네트워크는
건물 외관 사진들, 크랙 정보들, 도장 대상 정보들, 크랙 보수 및 도장 공사를 위한 재료 정보들을 포함하는 데이터 베이스 및 미리 학습된 상기 컨벌루션 신경망을 포함하는 블록들;
각 블록을 시간 순으로 연결하는 체인들; 및
상기 각 블록 및 체인을 저장하는 상기 네트워크 저장장치들
을 포함하는 프라이빗 블록체인 네트워크이고,
상기 네트워크 저장장치들은
상기 크랙 보수 및 도장 공사를 위한 제어 방법을 위한 재료들을 생산하는 제1 생산자를 포함한 제1 네트워크 저장장치;
상기 크랙 보수 및 도장 공사를 시행하는 시공업자를 포함하는 제2 네트워크 저장장치;
상기 크랙 보수 및 도장 공사를 위한 제어 방법의 상기 대상 건물의 관리자를 포함하는 제3 네트워크 저장장치; 및
각 네트워크 저장장치들을 연결하는 초고속 인터넷 연결망
을 포함하며,
상기 컨벌루션 신경망은
상기 진단용 카메라를 이용해 촬영된 상기 대상 건물 외관의 전면, 좌측면, 우측면, 후면, 기타면 및 하늘면 사진의 색 정보를 수치화한 데이터 시트 형태로 기록하는 제1 입력 신호를 입력으로 하고,
상기 색 정보에 기초하여, 크랙 및 도장 대상의 좌표 및 크기를 상기 컨벌루션 신경망의 특징 추출 신경망과 분류 신경망을 통해 분류하고,
상기 분류에 기초하여, 상기 좌표 및 크기에 적합한 재료 목록을 포함하는 제1 출력 신호를 출력으로 하고,
상기 크랙 및 도장 대상에 대한 상기 시공업자의 확인 결과에 따른 입력으로부터 생성된 제1 학습 신호를 통해 학습하는,
크랙 보수 및 도장 공사를 위한 제어 방법.


In the control method for crack repair and painting construction based on artificial intelligence,
Photographing the front side, left side, right side, back side, other side and sky side of the target building exterior using a diagnostic camera in the control device;
Generating a first input signal based on the photographed pictures;
Transmitting and inputting the first input signal to a convolutional neural network in a blockchain network;
Obtaining a first output signal based on the input result; And
Based on the first output signal, outputting crack information and painting target information to a display screen in a control device.
Including,
The blockchain network is
A block containing a database of building exterior photos, crack information, painting target information, material information for crack repair and painting construction, and blocks comprising the pre-trained convolutional neural network;
Chains connecting each block in chronological order; And
The network storage devices storing each block and chain
It is a private blockchain network that includes,
The network storage devices
A first network storage device including a first producer producing materials for a control method for the crack repair and painting work;
A second network storage device including a contractor performing the crack repair and painting work;
A third network storage device including a manager of the target building of a control method for the crack repair and painting work; And
High-speed Internet connection network connecting each network storage device
It includes,
The convolutional neural network
The first input signal for recording color information of the front, left, right, rear, other, and sky photographs of the exterior of the target building photographed using the diagnostic camera in the form of a numerical data sheet is input,
Based on the color information, the coordinates and sizes of cracks and painting objects are classified through the feature extraction neural network and the classification neural network of the convolutional neural network,
Based on the classification, a first output signal including a list of materials suitable for the coordinates and size is used as an output,
Learning through the first learning signal generated from the input according to the verification result of the contractor for the crack and the painting object,
Control method for crack repair and painting work.


삭제delete 삭제delete 삭제delete 삭제delete
KR1020200013788A 2020-02-05 2020-02-05 Method and apparatus for controlling crack repair and painting work KR102109451B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200013788A KR102109451B1 (en) 2020-02-05 2020-02-05 Method and apparatus for controlling crack repair and painting work

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200013788A KR102109451B1 (en) 2020-02-05 2020-02-05 Method and apparatus for controlling crack repair and painting work

Publications (1)

Publication Number Publication Date
KR102109451B1 true KR102109451B1 (en) 2020-05-12

Family

ID=70679544

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200013788A KR102109451B1 (en) 2020-02-05 2020-02-05 Method and apparatus for controlling crack repair and painting work

Country Status (1)

Country Link
KR (1) KR102109451B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102302541B1 (en) * 2020-07-06 2021-09-16 한국생산기술연구원 System and method of defect inspection using transformation of label data based on deep learning

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR200169450Y1 (en) 1999-08-30 2000-02-15 정영찬 Apparatus for concrete crack filling
KR100314393B1 (en) 2000-03-31 2001-11-16 오봉석 Coating material for levelling inequalities in the surface of concrete walls using cements as a main component
KR200400363Y1 (en) 2005-08-12 2005-11-03 유인섭 Injecter for Crack reinforcement liquid
KR20180084479A (en) * 2017-01-17 2018-07-25 서울시립대학교 산학협력단 Apparatus and method for discriminating a concrete status using a hyperspectral image
KR20190061515A (en) * 2017-11-28 2019-06-05 아주대학교산학협력단 System and method for evaluating concrete structure degradation using deep neural networks
KR102007761B1 (en) * 2018-10-29 2019-10-21 정윤진 Facility maintenance repair method recommendation system and method
KR20190135228A (en) 2018-05-28 2019-12-06 현대엔지니어링 주식회사 Concrete surface painting before painting of surface state measuring nethod and the same measuring kit

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR200169450Y1 (en) 1999-08-30 2000-02-15 정영찬 Apparatus for concrete crack filling
KR100314393B1 (en) 2000-03-31 2001-11-16 오봉석 Coating material for levelling inequalities in the surface of concrete walls using cements as a main component
KR200400363Y1 (en) 2005-08-12 2005-11-03 유인섭 Injecter for Crack reinforcement liquid
KR20180084479A (en) * 2017-01-17 2018-07-25 서울시립대학교 산학협력단 Apparatus and method for discriminating a concrete status using a hyperspectral image
KR20190061515A (en) * 2017-11-28 2019-06-05 아주대학교산학협력단 System and method for evaluating concrete structure degradation using deep neural networks
KR20190135228A (en) 2018-05-28 2019-12-06 현대엔지니어링 주식회사 Concrete surface painting before painting of surface state measuring nethod and the same measuring kit
KR102007761B1 (en) * 2018-10-29 2019-10-21 정윤진 Facility maintenance repair method recommendation system and method

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102302541B1 (en) * 2020-07-06 2021-09-16 한국생산기술연구원 System and method of defect inspection using transformation of label data based on deep learning

Similar Documents

Publication Publication Date Title
CN109215080B (en) 6D attitude estimation network training method and device based on deep learning iterative matching
US11321872B2 (en) Method for calibrating a camera using bounding boxes, and camera configured to perform that method
KR20180050832A (en) Method and system for dehazing image using convolutional neural network
WO2015186341A1 (en) Image processing system, image processing method, and program storage medium
KR102145609B1 (en) Method and apparatus for managing distribution of imported auto parts
Wei et al. Integrated vision-based automated progress monitoring of indoor construction using mask region-based convolutional neural networks and BIM
CN113537374B (en) Method for generating countermeasure sample
US11651552B2 (en) Systems and methods for fine adjustment of roof models
CN112712584A (en) Wall line determining method, space modeling method, device and equipment
Czerniawski et al. 3DFacilities: annotated 3D reconstructions of building facilities
CN112507848B (en) Mobile terminal real-time human face attitude estimation method
KR102191493B1 (en) Method and apparatus for controlling design and construction process of electrical equipment
KR102109451B1 (en) Method and apparatus for controlling crack repair and painting work
KR102167187B1 (en) Method for checking design of civil construction process
CN114663662B (en) Hyper-parameter searching method, device, computer equipment and storage medium
CN115294268A (en) Three-dimensional model reconstruction method of object and electronic equipment
KR102097248B1 (en) Method for controlling the seafood transport environment
CN115496895A (en) Target recognition method, model thereof, electronic device, and storage medium
Huo et al. A novel algorithm for pose estimation based on generalized orthogonal iteration with uncertainty-weighted measuring error of feature points
KR102036785B1 (en) Method and apparatus for controlling elevator maintenance and repair process
KR102055815B1 (en) Method and apparatus for controlling interior lighting manufacturing process for automobile
KR102027951B1 (en) Method and apparatus for controlling integrated circuit manufacturing process
CN115330579B (en) Model watermark construction method, device, equipment and storage medium
KR102099286B1 (en) Method and apparatus for designing and constructing indoor electric facilities
KR102146650B1 (en) Method and apparatus for designing cctv control system

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant