KR102408407B1 - Apparatus and method for detecting concrete construction crack - Google Patents
Apparatus and method for detecting concrete construction crack Download PDFInfo
- Publication number
- KR102408407B1 KR102408407B1 KR1020200097897A KR20200097897A KR102408407B1 KR 102408407 B1 KR102408407 B1 KR 102408407B1 KR 1020200097897 A KR1020200097897 A KR 1020200097897A KR 20200097897 A KR20200097897 A KR 20200097897A KR 102408407 B1 KR102408407 B1 KR 102408407B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- crack
- concrete
- cracks
- unit
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000010276 construction Methods 0.000 title description 2
- 238000000605 extraction Methods 0.000 claims abstract description 30
- 239000002131 composite material Substances 0.000 claims abstract description 27
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 11
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 11
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 19
- 230000000873 masking effect Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 abstract description 9
- 238000013135 deep learning Methods 0.000 abstract description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
- G01B2210/52—Combining or merging partially overlapping images to an overall image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Abstract
딥러닝 오토엔코더 이미지 복원 기법을 이용한 콘크리트 균열 탐지 장치 및 방법에 관한 것으로, 균열이 포함된 균열 콘크리트 이미지(image)를 획득하는 이미지 획득부, 균열 콘크리트 이미지로부터 균열 이미지를 추출하는 균열 이미지 추출부, 추출된 균열 이미지와 정상 콘크리트 이미지를 합성하여 합성 균열 이미지를 생성하는 합성부, 합성 균열 이미지와 정상 콘크리트 이미지를 학습하는 학습부, 그리고 합성 균열 이미지와 복원 콘크리트 이미지를 토대로 균열을 추출하는 균열 추출부를 포함할 수 있다.It relates to an apparatus and method for detecting cracks in concrete using a deep learning autoencoder image restoration technique, comprising: an image acquisition unit for acquiring a cracked concrete image including cracks; a crack image extraction unit for extracting a crack image from a cracked concrete image; A synthesis unit that generates a composite crack image by synthesizing the extracted crack image and a normal concrete image, a learning unit that learns a composite crack image and a normal concrete image, and a crack extraction unit that extracts cracks based on the composite crack image and the restored concrete image may include
Description
본 발명은 콘크리트 균열 탐지 장치에 관한 것으로, 보다 상세하게는 딥러닝 오토엔코더 이미지 복원 기법을 이용한 콘크리트 균열 탐지 장치 및 방법에 관한 것이다.The present invention relates to a concrete crack detection apparatus, and more particularly, to a concrete crack detection apparatus and method using a deep learning autoencoder image restoration technique.
일반적으로, 콘크리트 구조물의 균열은, 구조물의 미적 특성을 떨어뜨릴 뿐만 아니라, 장기적으로 구조물의 안전을 위험하게 하는 요인이 될 수 있다.In general, cracks in a concrete structure not only deteriorate the aesthetic properties of the structure, but may also be a factor that endangers the safety of the structure in the long term.
그러므로, 콘크리트 구조물은, 구조물의 균열 상태를 주기적으로 파악하고, 이에 대한 신속한 초기 대응을 진행하는 것이 안전성 유지 측면에서 매우 중요하다.Therefore, in the concrete structure, it is very important in terms of safety maintenance to periodically identify the crack state of the structure and proceed with a prompt initial response.
현재 콘크리트 균열 탐지 방법은, 전문가가 직접 육안으로 검사하고 평가하는 외관 검사법이 주로 사용되고 있지만, 작업 시간, 비용, 안전성의 한계점을 가지는 문제가 있었다.Currently, concrete crack detection methods are mainly used for visual inspection and evaluation by experts, but they have limitations in working time, cost, and safety.
콘크리트 표면의 균열은, 고체의 표면이나 내부에 금이 가는 현상으로서, 콘크리트의 경우 외력에 의한 응력 발생, 시공 후 관리 불량에 따른 수분 손실 등이 그 원인이 될 수 있다.Cracks on the concrete surface are cracks on the surface or inside of a solid, and in the case of concrete, stress caused by external forces and moisture loss due to poor maintenance after construction may be the cause.
따라서, 콘크리트 표면의 균열은, 발생 원인에 따라 구조물에 심각한 손상을 초래할 수 있기 때문에 정확히 탐지하는 기술이 필요하며 발견 뒤에는 적절한 조치가 필수적이다.Therefore, since cracks on the concrete surface can cause serious damage to the structure depending on the cause, it is necessary to accurately detect them, and appropriate measures are essential after they are discovered.
최근에는, 무인항공기와 디지털 영상 처리 기법을 이용하여 콘크리트 구조물의 균열 이미지를 원거리에서도 탐지할 수 있는 방법이 한국 공개특허 제10-2017-0100990호 (2017.09.05)로 공개된 바 있다.Recently, a method for detecting a crack image of a concrete structure from a distance using an unmanned aerial vehicle and a digital image processing technique has been disclosed as Korean Patent Laid-Open No. 10-2017-0100990 (2017.09.05).
하지만, 이러한 기존 기술은, 콘크리트 구조물의 균열이 미세하거나 적게 존재하는 경우에 정밀하게 콘크리트 균열을 탐지하는 것이 어려울 뿐만 아니라 콘크리트 균열 탐지에 많은 시간과 비용이 드는 문제가 있었다.However, these existing techniques have a problem in that it is difficult to precisely detect concrete cracks when there are minute or few cracks in the concrete structure, and it takes a lot of time and money to detect concrete cracks.
따라서, 콘크리트 구조물에 생성되는 미세한 균열 및 작은 크기의 균열 등을 저비용으로 신속하고 정밀하게 탐지할 수 있는 콘크리트 균열 탐지 장치의 개발이 요구되고 있다.Accordingly, there is a demand for the development of a concrete crack detection device capable of rapidly and precisely detecting fine cracks and small cracks generated in a concrete structure at low cost.
본 발명의 일실시예가 이루고자 하는 기술적 과제는, 콘크리트 균열 복원 모델 학습과 콘크리트 균열 복원 모델을 이용하여 균열을 추출함으로써, 콘크리트 구조물에 생성되는 미세한 균열 및 작은 크기의 균열 등을 저비용으로 신속하고 정밀하게 탐지할 수 있는 콘크리트 균열 탐지 장치 및 방법을 제공하고자 한다.The technical task to be achieved by an embodiment of the present invention is to quickly and accurately reduce microcracks and small-sized cracks generated in concrete structures at low cost by extracting cracks using the concrete crack restoration model learning and the concrete crack restoration model. An object of the present invention is to provide a concrete crack detection device and method that can be detected.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The technical problems to be achieved in the present invention are not limited to the technical problems mentioned above, and other technical problems not mentioned will be clearly understood by those of ordinary skill in the art to which the present invention belongs from the description below. will be able
상기와 같은 기술적 과제를 해결하기 위하여, 본 발명의 일실시예에 의한 콘크리트 균열 탐지 장치는, 균열이 포함된 균열 콘크리트 이미지(image)를 획득하는 이미지 획득부, 균열 콘크리트 이미지로부터 균열 이미지를 추출하는 균열 이미지 추출부, 추출된 균열 이미지와 정상 콘크리트 이미지를 합성하여 합성 균열 이미지를 생성하는 합성부, 합성 균열 이미지와 정상 콘크리트 이미지를 학습하는 학습부, 그리고 합성 균열 이미지와 복원 콘크리트 이미지를 토대로 균열을 추출하는 균열 추출부를 포함할 수 있다.In order to solve the above technical problem, the concrete crack detection device according to an embodiment of the present invention is an image acquisition unit for acquiring a cracked concrete image including cracks, extracting a crack image from the cracked concrete image A crack image extraction unit, a synthesis unit that creates a composite crack image by synthesizing the extracted crack image and a normal concrete image, a learning unit that learns a composite crack image and a normal concrete image, and a crack based on the composite crack image and the restored concrete image It may include a crack extraction unit for extracting.
한편, 본 발명의 일실시예에 의한 콘크리트 균열 탐지 장치의 콘크리트 균열 탐지 방법은, 이미지 획득부, 균열 이미지 추출부, 합성부, 학습부, 그리고 균열 추출부를 포함하는 콘크리트 균열 탐지 장치의 콘크리트 균열 탐지 방법으로서, 이미지 획득부가 균열이 포함된 균열 콘크리트 이미지를 획득하는 단계, 균열 이미지 추출부가 균열 콘크리트 이미지로부터 균열 이미지를 추출하는 단계, 합성부가 추출된 균열 이미지와 정상 콘크리트 이미지를 합성하여 합성 균열 이미지를 생성하는 단계, 학습부가 합성 균열 이미지와 상기 정상 콘크리트 이미지를 학습하는 단계, 그리고 균열 추출부가 합성 균열 이미지와 복원 콘크리트 이미지를 토대로 균열을 추출하는 단계를 포함할 수 있다.On the other hand, the concrete crack detection method of the concrete crack detection device according to an embodiment of the present invention, the concrete crack detection of the concrete crack detection device including an image acquisition unit, a crack image extraction unit, a synthesis unit, a learning unit, and a crack extraction unit As a method, the image acquisition unit acquires a cracked concrete image containing cracks, the crack image extraction unit extracts a crack image from the cracked concrete image, and the synthesis unit synthesizes the extracted crack image and the normal concrete image to obtain a composite crack image. It may include the step of generating, the learning unit learning the composite crack image and the normal concrete image, and the crack extraction unit extracting the crack based on the composite crack image and the restored concrete image.
본 발명에 따른 콘크리트 균열 탐지 장치 및 방법의 효과에 대해 설명하면 다음과 같다.The effect of the concrete crack detection apparatus and method according to the present invention will be described as follows.
본 발명은, 콘크리트 균열 복원 모델 학습과 콘크리트 균열 복원 모델을 이용하여 균열을 추출함으로써, 콘크리트 구조물에 생성되는 미세한 균열 및 작은 크기의 균열 등을 저비용으로 신속하고 정밀하게 탐지할 수 있다.According to the present invention, by extracting cracks using the concrete crack restoration model learning and the concrete crack restoration model, it is possible to quickly and precisely detect fine cracks and small-sized cracks generated in a concrete structure at low cost.
이처럼, 본 발명은, 콘크리트 균열 부위에 대한 측정을 위해, 드론 등 영상 촬영된 콘크리트 구조물 이미지를 딥러닝 오토엔코더(AutoEncoder) 이미지 복원 기법 및 이미지 합성을 활용하여 균열을 정밀하게 추출할 수 있으며, 대상 콘크리트 구조물의 균열 이미지 개수가 적을 경우에도 학습 및 균열 추출이 가능하다.As such, the present invention can precisely extract cracks by using deep-learning AutoEncoder image restoration techniques and image synthesis from images of concrete structures taken by drones, etc., for measurement of cracks in concrete, Learning and crack extraction are possible even when the number of crack images of a concrete structure is small.
본 발명의 적용 가능성의 추가적인 범위는 이하의 상세한 설명으로부터 명백해질 것이다. 그러나 본 발명의 사상 및 범위 내에서 다양한 변경 및 수정은 해당업자에게 명확하게 이해될 수 있으므로, 상세한 설명 및 본 발명의 바람직한 실시 예와 같은 특정 실시 예는 단지 예시로 주어진 것으로 이해되어야 한다.Further scope of applicability of the present invention will become apparent from the following detailed description. However, various changes and modifications within the spirit and scope of the present invention may be clearly understood by those skilled in the art, so it should be understood that the detailed description and specific embodiments such as preferred embodiments of the present invention are given by way of example only.
도 1은 본 발명에 따른 콘크리트 균열 탐지 장치를 설명하기 위한 블럭 구성도이다.
도 2는 본 발명에 따른 콘크리트 균열 복원 학습 과정을 설명하기 위한 도면이다.
도 3은 본 발명에 따른 콘크리트 균열 복원 모델을 이용한 균열 추출 과정을 설명하기 위한 도면이다.
도 4는 콘크리트 균열 이미지와 추출된 균열 이미지를 보여주는 도면이다.1 is a block diagram for explaining a concrete crack detection device according to the present invention.
2 is a view for explaining a concrete crack restoration learning process according to the present invention.
3 is a view for explaining a crack extraction process using a concrete crack restoration model according to the present invention.
4 is a view showing a concrete crack image and an extracted crack image.
이하에서는 도면을 참조하여 본 발명을 더욱 상세하게 설명한다.Hereinafter, the present invention will be described in more detail with reference to the drawings.
이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 단순히 본 명세서 작성의 용이함을 고려하여 부여되는 것으로서, 상기 "모듈" 및 "부"는 서로 혼용되어 사용될 수도 있다.The suffixes “module” and “unit” for components used in the following description are simply given in consideration of the ease of writing this specification, and the “module” and “unit” may be used interchangeably.
나아가, 이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 발명의 실시예를 상세하게 설명하지만, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다.Further, embodiments of the present invention will be described in detail with reference to the accompanying drawings and the contents described in the accompanying drawings, but the present invention is not limited or limited by the embodiments.
본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 관례 또는 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는, 단순한 용어의 명칭이 아닌 그 용어가 가지는 실질적인 의미와 본 명세서의 전반에 걸친 내용을 토대로 해석되어야 함을 밝혀두고자 한다.The terms used in the present specification have been selected as widely used general terms as possible while considering the functions in the present invention, but these may vary depending on the intention or custom of a person skilled in the art or the advent of new technology. In addition, in a specific case, there is a term arbitrarily selected by the applicant, and in this case, the meaning will be described in the description of the corresponding invention. Therefore, it is intended to clarify that the terms used in this specification should be interpreted based on the actual meaning of the terms and the contents of the entire specification, rather than the names of simple terms.
도 1은 본 발명에 따른 콘크리트 균열 탐지 장치를 설명하기 위한 블럭 구성도이다.1 is a block diagram for explaining a concrete crack detection device according to the present invention.
도 1에 도시된 바와 같이, 본 발명의 콘크리트 균열 탐지 장치는, 이미지 획득부(10), 균열 이미지 추출부(20), 합성부(30), 학습부(40), 그리고 균열 추출부(50)를 포함할 수 있다.As shown in FIG. 1 , the concrete crack detection device of the present invention includes an
여기서, 이미지 획득부(10)는, 균열이 포함된 균열 콘크리트 이미지(image)를 획득할 수 있다.Here, the
이미지 획득부(10)는, 콘크리트 구조물의 균열 영역을 촬영하여 균열이 포함된 균열 콘크리트 이미지을 획득하는 카메라를 포함할 수 있다.The
일 예로, 카메라는, 드론을 포함하는 무인 항공기 등에 장착될 수 있는데, 이에 한정되지는 않는다.For example, the camera may be mounted on an unmanned aerial vehicle including a drone, but is not limited thereto.
그리고, 균열 이미지 추출부(20)는, 균열 콘크리트 이미지로부터 균열 이미지를 추출할 수 있다.And, the crack
여기서, 균열 이미지 추출부(20)는, 균열 콘크리트 이미지에 대해 마스킹을 수행하여 균열 콘크리트 이미지로부터 균열 이미지를 추출할 수 있다.Here, the crack
다음, 합성부(30)는, 추출된 균열 이미지와 정상 콘크리트 이미지를 합성하여 합성 균열 이미지를 생성할 수 있다.Next, the
여기서, 합성부(30)는, 균열이 포함되지 않는 정상 콘크리트 이미지를 생성한 다음, 추출된 균열 이미지와 정상 콘크리트 이미지를 합성하여 합성 균열 이미지를 생성할 수 있다.Here, the
이어, 학습부(40)는, 합성 균열 이미지와 정상 콘크리트 이미지를 학습할 수 있다.Next, the
여기서, 학습부(40)는, 합성 균열 이미지와 정상 콘크리트 이미지를 토대로 콘크리트 균열 제거 모델을 학습할 수 있다.Here, the
그리고, 균열 추출부(50)는, 합성 균열 이미지와 복원 콘크리트 이미지를 토대로 균열을 추출할 수 있다.And, the
여기서, 균열 추출부(50)는, 균열 콘크리트 이미지로부터 균열이 제거되도록 균열 콘크리트 이미지를 복원하여 균열이 제거된 복원 콘크리트 이미지를 생성하고, 추출된 균열 이미지와 균열이 제거된 복원 콘크리트 이미지의 차이를 토대로 균열을 추출할 수 있다.Here, the
또한, 균열 추출부(50)는, 균열 콘크리트 이미지를 복원할 때, 콘크리트 균열 복원 모델을 사용하여 균열이 제거된 복원 콘크리트 이미지를 생성할 수 있다.Also, the
일 예로, 균열 추출부(50)는, 균열 콘크리트 이미지를 복원할 때, 오토엔코더(AutoEncoder)를 통해 균열이 제거된 복원 콘크리트 이미지를 생성할 수 있다.For example, the
이처럼, 본 발명은, 콘크리트 구조물 이미지를 오토엔코더(AutoEncoder)를 통해 균열 이미지를 균열이 없는 이미지로 복원한 다음, 원본 구조물 이미지와 균열이 복원된 이미지의 차이를 계산하여 균열을 추출할 수 있다.As such, in the present invention, the crack can be extracted by calculating the difference between the original structure image and the restored crack image after restoring the crack image of the concrete structure image to an image without cracks through an autoencoder.
본 발명의 전체 시스템은, 콘크리트 균열 복원 모델 학습 과정과 콘크리트 균열 복원 모델을 이용하여 균열을 추출하는 과정으로 구성될 수 있다.The entire system of the present invention may be composed of a concrete crack restoration model learning process and a crack extraction process using the concrete crack restoration model.
이와 같이, 본 발명은, 콘크리트 균열 복원 모델 학습과 콘크리트 균열 복원 모델을 이용하여 균열을 추출함으로써, 콘크리트 구조물에 생성되는 미세한 균열 및 작은 크기의 균열 등을 저비용으로 신속하고 정밀하게 탐지할 수 있다.As described above, in the present invention, by extracting cracks using the concrete crack restoration model learning and the concrete crack restoration model, it is possible to quickly and precisely detect fine cracks and small cracks generated in the concrete structure at low cost.
이처럼, 본 발명은, 콘크리트 균열 부위에 대한 측정을 위해, 드론 등 영상 촬영된 콘크리트 구조물 이미지를 딥러닝 오토엔코더(AutoEncoder) 이미지 복원 기법 및 이미지 합성을 활용하여 균열을 정밀하게 추출할 수 있으며, 대상 콘크리트 구조물의 균열 이미지 개수가 적을 경우에도 학습 및 균열 추출이 가능하다.As such, the present invention can precisely extract cracks by using deep-learning AutoEncoder image restoration techniques and image synthesis from images of concrete structures taken by drones, etc., for measurement of cracks in concrete, Learning and crack extraction are possible even when the number of crack images of a concrete structure is small.
도 2는 본 발명에 따른 콘크리트 균열 복원 학습 과정을 설명하기 위한 도면이고, 도 3은 본 발명에 따른 콘크리트 균열 복원 모델을 이용한 균열 추출 과정을 설명하기 위한 도면이다.FIG. 2 is a view for explaining a concrete crack restoration learning process according to the present invention, and FIG. 3 is a view for explaining a crack extraction process using a concrete crack restoration model according to the present invention.
도 2 및 도 3에 도시된 바와 같이, 본 발명은, 균열이 포함된 균열 콘크리트 이미지(image)를 획득할 수 있다.2 and 3, the present invention can acquire a cracked concrete image including cracks.
여기서, 본 발명은, 드론을 포함하는 무인 항공기 등에 장착된 카메라를 이용하여 콘크리트 구조물의 균열 영역을 촬영하여 균열이 포함된 균열 콘크리트 이미지를 획득할 수 있다.Here, in the present invention, a cracked concrete image including cracks can be obtained by photographing a cracked area of a concrete structure using a camera mounted on an unmanned aerial vehicle including a drone.
다음, 본 발명은, 균열 콘크리트 이미지로부터 균열 이미지를 추출할 수 있다.Next, the present invention can extract a crack image from the cracked concrete image.
여기서, 도 2의 1번 과정과 같이, 본 발명은, 균열 콘크리트 이미지에 대해 마스킹을 수행하여 균열 콘크리트 이미지로부터 균열 이미지를 추출할 수 있다.Here, as in the
이어, 본 발명은, 추출된 균열 이미지와 정상 콘크리트 이미지를 합성하여 합성 균열 이미지를 생성할 수 있다.Next, in the present invention, a composite crack image can be generated by synthesizing the extracted crack image and the normal concrete image.
여기서, 도 2의 2번 과정과 같이, 본 발명은, 균열이 포함되지 않는 정상 콘크리트 이미지를 생성한 다음, 추출된 균열 이미지와 정상 콘크리트 이미지를 합성하여 합성 균열 이미지를 생성할 수 있다.Here, as in process 2 of FIG. 2 , in the present invention, a normal concrete image without cracks is generated, and then a composite crack image can be created by synthesizing the extracted crack image and the normal concrete image.
그리고, 본 발명은, 합성 균열 이미지와 정상 콘크리트 이미지를 학습할 수 있다.And, the present invention can learn the composite crack image and the normal concrete image.
여기서, 도 2의 3번 과정과 같이, 본 발명은, 합성 균열 이미지와 정상 콘크리트 이미지를 토대로 콘크리트 균열 제거 모델을 학습할 수 있다.Here, as in
다음, 본 발명은, 합성 균열 이미지와 복원 콘크리트 이미지를 토대로 균열을 추출할 수 있다.Next, in the present invention, cracks can be extracted based on the composite crack image and the restored concrete image.
여기서, 도 3의 1번 및 2번 과정과 같이, 본 발명은, 콘크리트 균열 복원 모델을 사용하여 균열 콘크리트 이미지로부터 균열이 제거되도록 균열 콘크리트 이미지를 복원함으로써, 균열이 제거된 복원 콘크리트 이미지를 생성할 수 있다.Here, as in
일 예로, 본 발명은, 오토엔코더(AutoEncoder)를 통해 균열이 제거된 복원 콘크리트 이미지를 생성할 수 있다.As an example, the present invention may generate a restored concrete image in which cracks are removed through an autoencoder.
그리고, 도 3의 3번 과정과 같이, 추출된 균열 이미지와 균열이 제거된 복원 콘크리트 이미지의 차이를 토대로 균열을 추출할 수 있다.And, as in
이와 같이, 본 발명은, 콘크리트 구조물 이미지를 오토엔코더를 통해 균열 이미지를 균열이 없는 이미지로 복원한 다음, 원본 구조물 이미지와 균열이 복원된 이미지의 차이를 계산하여 균열을 추출할 수 있다.As described above, in the present invention, the crack can be extracted by calculating the difference between the original structure image and the image in which the crack is restored after restoring the crack image from the crack image to the crack-free image through the autoencoder.
이처럼, 본 발명의 전체 시스템은, 콘크리트 균열 복원 모델 학습 과정과 콘크리트 균열 복원 모델을 이용하여 균열을 추출하는 과정으로 구성될 수 있다.As such, the entire system of the present invention may be configured with a process of learning a concrete crack restoration model and a process of extracting cracks using the concrete crack restoration model.
도 4는 콘크리트 균열 이미지와 추출된 균열 이미지를 보여주는 도면이다.4 is a view showing a concrete crack image and an extracted crack image.
도 4에 도시된 바와 같이, 본 발명의 콘크리트 균열 복원 기술을 적용하여 균열을 추출한 결과, 높은 정밀도로 콘크리트 구조물의 균열이 추출되는 것을 확인할 수 있다.As shown in FIG. 4 , as a result of extracting cracks by applying the concrete crack restoration technique of the present invention, it can be confirmed that cracks in the concrete structure are extracted with high precision.
이와 같이, 본 발명은, 콘크리트 균열 복원 모델 학습과 콘크리트 균열 복원 모델을 이용하여 균열을 추출함으로써, 콘크리트 구조물에 생성되는 미세한 균열 및 작은 크기의 균열 등을 저비용으로 신속하고 정밀하게 탐지할 수 있다.As described above, in the present invention, by extracting cracks using the concrete crack restoration model learning and the concrete crack restoration model, it is possible to quickly and precisely detect fine cracks and small cracks generated in the concrete structure at low cost.
또한, 본 발명은, 콘크리트 균열 부위에 대한 측정을 위해, 드론 등 영상 촬영된 콘크리트 구조물 이미지를 딥러닝 오토엔코더 이미지 복원 기법 및 이미지 합성을 활용하여 균열을 정밀하게 추출할 수 있으며, 대상 콘크리트 구조물의 균열 이미지 개수가 적을 경우에도 학습 및 균열 추출이 가능하다.In addition, the present invention can precisely extract cracks by using deep learning autoencoder image restoration techniques and image synthesis from images of concrete structures captured by drones, etc., for measurement of cracks in concrete, and Even when the number of crack images is small, learning and crack extraction are possible.
이상에서 본 발명들에 설명된 특징, 구조, 효과 등은 본 발명의 적어도 하나의 실시예에 포함되며, 반드시 하나의 실시예에만 한정되는 것은 아니다. 나아가, 각 실시예에서 예시된 특징, 구조, 효과 등은 실시예들이 속하는 분야의 통상의 지식을 가지는 자에 의해 다른 실시예들에 대해서도 조합 또는 변형되어 실시 가능하다. 따라서 이러한 조합과 변형에 관계된 내용들은 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.Features, structures, effects, etc. described in the present inventions above are included in at least one embodiment of the present invention, and are not necessarily limited to only one embodiment. Furthermore, features, structures, effects, etc. illustrated in each embodiment can be combined or modified for other embodiments by those of ordinary skill in the art to which the embodiments belong. Accordingly, the contents related to such combinations and modifications should be interpreted as being included in the scope of the present invention.
또한, 이상에서 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.In addition, although the embodiment has been described above, it is merely an example and does not limit the present invention, and those of ordinary skill in the art to which the present invention pertains are exemplified above in a range that does not depart from the essential characteristics of the present embodiment. It can be seen that various modifications and applications that have not been made are possible. For example, each component specifically shown in the embodiment can be implemented by modification. And differences related to such modifications and applications should be construed as being included in the scope of the present invention defined in the appended claims.
10: 이미지 획득부
20: 균열 이미지 추출부
30: 합성부
40: 학습부
50: 균열 추출부10: image acquisition unit
20: crack image extraction unit
30: composite part
40: Study Department
50: crack extraction unit
Claims (5)
상기 균열 콘크리트 이미지로부터 균열 이미지를 추출하는 균열 이미지 추출부;
상기 추출된 균열 이미지와 정상 콘크리트 이미지를 합성하여 합성 균열 이미지를 생성하는 합성부;
상기 합성 균열 이미지와 상기 정상 콘크리트 이미지를 학습하는 학습부; 그리고,
상기 합성 균열 이미지와 복원 콘크리트 이미지를 토대로 균열을 추출하는 균열 추출부를 포함하며,
상기 균열 추출부는,
상기 균열 콘크리트 이미지로부터 균열이 제거되도록 균열 콘크리트 이미지를 복원하여 상기 균열이 제거된 복원 콘크리트 이미지를 생성하고, 상기 추출된 균열 이미지와 상기 균열이 제거된 복원 콘크리트 이미지의 차이를 토대로 균열을 추출하는 것을 특징으로 하는 콘크리트 균열 탐지 장치.An image acquisition unit for acquiring a cracked concrete image (image) containing cracks;
a crack image extraction unit for extracting a crack image from the cracked concrete image;
a synthesizing unit generating a composite crack image by synthesizing the extracted crack image and the normal concrete image;
a learning unit for learning the composite crack image and the normal concrete image; and,
It includes a crack extraction unit for extracting cracks based on the composite crack image and the restored concrete image,
The crack extraction unit,
Restoring the cracked concrete image so that the crack is removed from the cracked concrete image creates a restored concrete image in which the crack is removed, and extracting the crack based on the difference between the extracted crack image and the restored concrete image in which the crack is removed Concrete crack detection device.
상기 균열 콘크리트 이미지에 대해 마스킹을 수행하여 상기 균열 콘크리트 이미지로부터 균열 이미지를 추출하는 것을 특징으로 하는 콘크리트 균열 탐지 장치.According to claim 1, wherein the crack image extraction unit,
Concrete crack detection apparatus, characterized in that by performing masking on the cracked concrete image to extract a crack image from the cracked concrete image.
균열이 포함되지 않는 정상 콘크리트 이미지를 생성한 다음, 상기 추출된 균열 이미지와 상기 정상 콘크리트 이미지를 합성하여 합성 균열 이미지를 생성하는 것을 특징으로 하는 콘크리트 균열 탐지 장치.The method of claim 1, wherein the synthesizing unit,
A concrete crack detection device, characterized in that after generating a normal concrete image that does not contain cracks, and then synthesizing the extracted crack image and the normal concrete image to generate a composite crack image.
상기 이미지 획득부가, 균열이 포함된 균열 콘크리트 이미지(image)를 획득하는 단계;
상기 균열 이미지 추출부가, 상기 균열 콘크리트 이미지로부터 균열 이미지를 추출하는 단계;
상기 합성부가, 상기 추출된 균열 이미지와 정상 콘크리트 이미지를 합성하여 합성 균열 이미지를 생성하는 단계;
상기 학습부가, 상기 합성 균열 이미지와 상기 정상 콘크리트 이미지를 학습하는 단계; 그리고,
상기 균열 추출부가, 상기 합성 균열 이미지와 복원 콘크리트 이미지를 토대로 균열을 추출하는 단계를 포함하며,
상기 균열을 추출하는 단계는,
상기 균열 콘크리트 이미지로부터 균열이 제거되도록 균열 콘크리트 이미지를 복원하여 상기 균열이 제거된 복원 콘크리트 이미지를 생성하고, 상기 추출된 균열 이미지와 상기 균열이 제거된 복원 콘크리트 이미지의 차이를 토대로 균열을 추출하는 것을 특징으로 하는 콘크리트 균열 탐지 방법.In the concrete crack detection method of the concrete crack detection device comprising an image acquisition unit, a crack image extraction unit, a synthesis unit, a learning unit, and a crack extraction unit,
acquiring, by the image acquisition unit, an image of cracked concrete including cracks;
extracting, by the crack image extraction unit, a crack image from the cracked concrete image;
generating, by the synthesizing unit, a composite crack image by synthesizing the extracted crack image and the normal concrete image;
learning, by the learning unit, the composite crack image and the normal concrete image; and,
and extracting, by the crack extraction unit, a crack based on the composite crack image and the restored concrete image,
The step of extracting the crack,
Restoring the cracked concrete image so that the crack is removed from the cracked concrete image creates a restored concrete image in which the crack is removed, and extracting the crack based on the difference between the extracted crack image and the restored concrete image in which the crack is removed A method for detecting cracks in concrete.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200097897A KR102408407B1 (en) | 2020-08-05 | 2020-08-05 | Apparatus and method for detecting concrete construction crack |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200097897A KR102408407B1 (en) | 2020-08-05 | 2020-08-05 | Apparatus and method for detecting concrete construction crack |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220017657A KR20220017657A (en) | 2022-02-14 |
| KR102408407B1 true KR102408407B1 (en) | 2022-06-14 |
Family
ID=80254114
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200097897A KR102408407B1 (en) | 2020-08-05 | 2020-08-05 | Apparatus and method for detecting concrete construction crack |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102408407B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102547864B1 (en) * | 2022-12-07 | 2023-06-28 | 경북대학교 산학협력단 | Concrete defect assessment method and computing device for performing the method |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024029046A1 (en) * | 2022-08-04 | 2024-02-08 | 株式会社センシンロボティクス | Information processing system and program, information processing method, and server |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101772916B1 (en) | 2016-12-30 | 2017-08-31 | 한양대학교 에리카산학협력단 | Device for measuring crack width of concretestructure |
| KR101821285B1 (en) | 2016-08-05 | 2018-01-23 | 한국과학기술원 | Apparatus and method for thermal image enhancement |
| CN108492281A (en) | 2018-03-06 | 2018-09-04 | 陕西师范大学 | A method of fighting Bridge Crack image detection of obstacles and the removal of network based on production |
| KR101926561B1 (en) * | 2018-03-13 | 2018-12-07 | 연세대학교 산학협력단 | Road crack detection apparatus of patch unit and method thereof, and computer program for executing the same |
| KR102122893B1 (en) | 2018-06-18 | 2020-06-15 | 주식회사 바탕색이엔지 | System and method for autonomous crack evaluation of structure based on uav mounted-hybrid image scanning |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190066789A (en) * | 2017-12-06 | 2019-06-14 | 서울시립대학교 산학협력단 | image-based concrete crack assessment system using deep learning |
-
2020
- 2020-08-05 KR KR1020200097897A patent/KR102408407B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101821285B1 (en) | 2016-08-05 | 2018-01-23 | 한국과학기술원 | Apparatus and method for thermal image enhancement |
| KR101772916B1 (en) | 2016-12-30 | 2017-08-31 | 한양대학교 에리카산학협력단 | Device for measuring crack width of concretestructure |
| CN108492281A (en) | 2018-03-06 | 2018-09-04 | 陕西师范大学 | A method of fighting Bridge Crack image detection of obstacles and the removal of network based on production |
| KR101926561B1 (en) * | 2018-03-13 | 2018-12-07 | 연세대학교 산학협력단 | Road crack detection apparatus of patch unit and method thereof, and computer program for executing the same |
| KR102122893B1 (en) | 2018-06-18 | 2020-06-15 | 주식회사 바탕색이엔지 | System and method for autonomous crack evaluation of structure based on uav mounted-hybrid image scanning |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102547864B1 (en) * | 2022-12-07 | 2023-06-28 | 경북대학교 산학협력단 | Concrete defect assessment method and computing device for performing the method |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220017657A (en) | 2022-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102408407B1 (en) | Apparatus and method for detecting concrete construction crack | |
| WO2021071995A8 (en) | Systems and methods for surface normals sensing with polarization | |
| JP4724247B2 (en) | House change judgment method, house change judgment program, house change judgment image generation method, and house change judgment image | |
| CN108319986B (en) | Image source identification method and system based on PRNU | |
| KR20190066789A (en) | image-based concrete crack assessment system using deep learning | |
| IL178299A0 (en) | Fine stereoscopic image matching and dedicated instrument having a low stereoscopic coefficient | |
| Iuliani et al. | Image splicing detection based on general perspective constraints | |
| CN108827979A (en) | A kind of module group lens appearance detecting method | |
| CN111524083A (en) | Active and passive combined underwater aerial imaging image recovery method based on structured light | |
| CN105224903A (en) | A kind of method for anti-counterfeit of Quick Response Code and the reading device of Quick Response Code | |
| CN104807828B (en) | panel bright spot detection method and system | |
| CN107145883A (en) | Method for text detection and equipment | |
| CN107451990B (en) | A kind of photograph image altering detecting method using non-linear guiding filtering | |
| JP2019192012A (en) | Paper sheet discrimination processing method | |
| Krutov et al. | Television images identification in the vision system basis on the mathematical apparatus of cubic normalized B-splines | |
| KR20100086839A (en) | Method for detecting moving object and surveillance system thereof | |
| CN103994823A (en) | X-ray exposure automatic detection method | |
| CN108709494B (en) | Real-time separation method for background light intensity of white light interference signal | |
| Jeon et al. | Multi-point measurement of structural vibration using pattern recognition from camera image | |
| Cho et al. | Comparison of crack extraction performance according to different edge detectors | |
| Shi et al. | A novel underwater dam crack detection algorithm based on sonar images | |
| JP2009098867A (en) | Character string recognition method, computer program and storage medium | |
| KR20160067693A (en) | Beaufort judgment assistance system of image-based | |
| Guedes et al. | Aerial inspection of physical structures with restricted access using a computer vision platform applied in drone | |
| Seitz et al. | Soil erosion monitoring at small scales: Using close range photogrammetry and laser scanning to evaluate initial sediment delivery |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |