KR102495738B1 - 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템 - Google Patents
다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템 Download PDFInfo
- Publication number
- KR102495738B1 KR102495738B1 KR1020220045507A KR20220045507A KR102495738B1 KR 102495738 B1 KR102495738 B1 KR 102495738B1 KR 1020220045507 A KR1020220045507 A KR 1020220045507A KR 20220045507 A KR20220045507 A KR 20220045507A KR 102495738 B1 KR102495738 B1 KR 102495738B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- asbestos
- administrative
- roof
- asbestos slate
- Prior art date
Links
- 239000010425 asbestos Substances 0.000 title claims abstract description 77
- 229910052895 riebeckite Inorganic materials 0.000 title claims abstract description 77
- 239000010454 slate Substances 0.000 claims abstract description 45
- 239000000463 material Substances 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000011835 investigation Methods 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 238000010422 painting Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 7
- 239000004566 building material Substances 0.000 abstract description 6
- 230000036541 health Effects 0.000 abstract description 6
- 230000005183 environmental health Effects 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 206010028980 Neoplasm Diseases 0.000 abstract description 3
- 201000011510 cancer Diseases 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 3
- 230000008676 import Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 abstract description 3
- 230000000711 cancerogenic effect Effects 0.000 abstract description 2
- 231100000357 carcinogen Toxicity 0.000 abstract description 2
- 239000003183 carcinogenic agent Substances 0.000 abstract description 2
- 230000008520 organization Effects 0.000 abstract description 2
- 238000007689 inspection Methods 0.000 abstract 1
- 238000000034 method Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013526 transfer learning Methods 0.000 description 4
- 229910052620 chrysotile Inorganic materials 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 2
- 229910052612 amphibole Inorganic materials 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000011150 reinforced concrete Substances 0.000 description 2
- ULEFFCDROVNTRO-UHFFFAOYSA-N trimagnesium;disodium;dihydroxy(oxo)silane;iron(3+) Chemical compound [Na+].[Na+].[Mg+2].[Mg+2].[Mg+2].[Fe+3].[Fe+3].O[Si](O)=O.O[Si](O)=O.O[Si](O)=O.O[Si](O)=O.O[Si](O)=O.O[Si](O)=O.O[Si](O)=O.O[Si](O)=O ULEFFCDROVNTRO-UHFFFAOYSA-N 0.000 description 2
- CWBIFDGMOSWLRQ-UHFFFAOYSA-N trimagnesium;hydroxy(trioxido)silane;hydrate Chemical compound O.[Mg+2].[Mg+2].[Mg+2].O[Si]([O-])([O-])[O-].O[Si]([O-])([O-])[O-] CWBIFDGMOSWLRQ-UHFFFAOYSA-N 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 208000033116 Asbestos intoxication Diseases 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 206010035600 Pleural fibrosis Diseases 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 229910052891 actinolite Inorganic materials 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 229910052885 anthophyllite Inorganic materials 0.000 description 1
- 206010003441 asbestosis Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000011045 chalcedony Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002783 friction material Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 208000006178 malignant mesothelioma Diseases 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- -1 roof tiles Substances 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 229910052889 tremolite Inorganic materials 0.000 description 1
- 235000021419 vinegar Nutrition 0.000 description 1
- 239000000052 vinegar Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
- 235000016804 zinc Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
- G03B15/00—Special procedures for taking photographs; Apparatus therefor
- G03B15/006—Apparatus mounted on flying objects
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2201/00—UAVs characterised by their flight controls
- B64U2201/20—Remote controls
Abstract
본 발명은 국제보건기구(World Health Organization) 산하 국제암연구소(International Agency for Research on Cancer)에서 1군(Group1) 발암물질로 지정되어 국제적으로 법령에 따라 그 사용(수입, 수출, 제조 등 포함)이 엄격하게 금지(또는 제한)되어 있는 석면에 관한 것으로, 보다 상세하게는 가장 대표적인 석면건축자재인 석면슬레이트가 사용된 건축물의 지붕을 고정밀의 RGB 항공(드론)영상, 다중분광 항공(드론) 영상 및 세움터 등의 행정분야 빅데이터와 인공지능(Deep Learning 등) 기술을 활용하여 신속하고 정확하게 조사하는 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템에 관한 것이다.
Description
본 발명은 국제보건기구(World Health Organization) 산하 국제암연구소(International Agency for Research on Cancer)에서 1군(Group1) 발암물질로 지정되어 국제적으로 법령에 따라 그 사용(수입, 수출, 제조 등 포함)이 엄격하게 금지(또는 제한)되어 있는 석면에 관한 것으로, 보다 상세하게는 가장 대표적인 석면건축자재인 석면슬레이트가 사용된 건축물의 지붕을 고정밀의 RGB 항공(드론)영상, 다중분광 항공(드론) 영상 및 세움터 등의 행정분야 빅데이터와 인공지능(Deep Learning 등) 기술을 활용하여 신속하고 정확하게 조사하는 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템에 관한 것이다
석면이란 자연적으로 환경 중에 존재하는 6가지 섬유상 광물(amosite, chrysotile, crocidolite, and the fibrous varieties of tremolite, actinolite, and anthophyllite)의 총칭이며, 이중 하나인 백석면(chrysotile)은 사문석계열(serpentine family)에 해당하고 나머지 형태는 각섬석계열(amphibole family)에 속하는 것으로 분류된다..
모든 형태의 석면은 인체에 유해하며 암을 유발할 수 있으나 청석면(crocidolite), 갈석면(amosite)과 같은 각섬석계열은 사문석계열인 백석면보다 건강에 더 유해한 것으로 알려져 있으며, 이는 각섬석계 석면섬유는 일반적으로 부서지기 쉬우며 종종 길고 가느다란 막대나 바늘과 같은 모양을 가지고 백석면은 유연성이 있고 구부러진 형태를 갖는 특성에 기인한다.
석면입자는 보통 0.1 ~ 10㎛ 정도의 길이를 가지고 있는 것으로 알려져 있는데 호흡기계 질환과 주로 관련 있는 것은 길이 8㎛ 이상, 직경 0.25㎛ 이하 크기의 석면입자로 호흡기계를 통해 폐에 쉽게 침착될 수 있기 때문이다.
미국 산업안전보건연구원(NIOSH)과 산업안전보건청(OSHA)에서 석면섬유를 길이 5㎛이상 길이 대 직경의 비(aspect ratio)가 3:1이상인 경우로 정의하고 있는 것은 이와 같은 이유이다.석면은 감지할 수 있는 향과 맛을 가지고 있지 않으며 내열성, 내화성이 우수하다. 석면섬유는 화학적으로 불활성이며 증발하거나 녹거나, 불에 타지 않으며 대부분의 화학물질과 주요한 화학반응을 하지 않는다. 이러한 성질들로 인해 석면은 건축자재, 마찰재, 내열성 섬유제품 등 광범위한 제품에 사용되어 왔다.
2010년을 전후하여 제*?*개정된 환경부 소관의 석면안전관리법 및 석면피해구제법과 고용노동부 소관의 산업안전보건법 등의 법령에 따라 석면함유제품의 제조, 수입, 양도, 제공, 사용, 판매 등을 포함한 제반 행위가 법령에 따라 금지되었다.
그러나, KCC, 벽산 등을 중심으로 다양한 석면건축자재가 생산 및 공급되어 다양한 건축물에 사용된 바 있다. 실제로 대표적인 석면건축자재를 살펴보면, 석면슬레이트의 경우 1958년부터 2004년까지 제조하여 주택, 공장, 축사, 창고 등을 포함한 모든 건축물의 지붕재 용으로 공급 및 사용된 바 있으며, 석면텍스도는 아미텍스, 아스텍스 등의 명칭으로 1978년부터 2005년까지 사무실, 주택, 상가, 호텔 등 모든 건축물의 천장 마감재로 공급 및 사용된 바 있고, 밤라이트 1970년부터 2004년까지 건물의 천장 및 칸막이 등의 내장공사의 마감재 UBR Back Up재로 공급 및 사용된 바 있다.
이와 같이 국민들이 석면건축자재와 함께 생활하는 것이 불가피함에 따라 석면피해구제법에 따라 환경부로부터 석면질명(원발성 악성중피종, 원발성 폐암, 석면페증, 미만성 흉막비후 등)을 공식적으로 인정받은 피해자가 2020년 말 기준 이미 5천명에 육박하며 이들에 대한 정부의 구제급여지급액도 100억원을 초과한 바 있다.
석면안전관리법은 환경부장관, 관계 중앙행정기관의 장 및 시ㆍ도지사는 기본계획과 시행계획을 효율적으로 수립ㆍ추진하기 위하여 석면의 이용ㆍ관리 등에 관한 실태조사를 실시하여야 한다라고 규정하고 있으며, 같은 법 시행령은 석면 슬레이트가 사용된 시설물 등에 대한 석면의 사용 실태 및 처리 등에 관한 사항을 정기적으로(3년 주기) 조사하도록 의무화하고 있으며, 같은 규정에 따라 2021년 환경부에서는 지방자치단체와 함께 약 40억원의 예산을 들여 전국의 석면슬레이트 건축물 현황을 현행화 한 바 있다.
그러나, 2013년의 최초 석면슬레이트 건축물 전수조사의 경우와 같이 개별 건축물에 대하여 석면슬레이트 건축물에 해당하는지 여부를 방문하여 확인하는 기법이 적용되어 그 효율성은 물론 정확성에 있어서도 많은 문제점을 보인 바 있으며, 무허가 건축물, 건축물과 무관하게 방치된 석면슬레이트 등에 대해서는 원천적으로 조사할 수 없는 기술적 한계점이 확인된 바 있다.
이상을 통하여 살펴본 바와 같은 석면의 유해성과 석면질병의 예방을 위한 환경보건 정책의 필요성은 국제적으로 기 검증되고 법제도화 된 바 있으나, 가장 대표적인 석면입자의 발생원인 석면슬레이트의 현황을 빠르고 정확하게 조사하기 위한 기술은 2020년까지 큰 진보를 이루지 못하였고, 최근 경북대와 목포대 등에서 일부 학술연구 수준의 기술을 소개한 바 있다.
삭제
본 발명은 상기와 같은 국내외 현황 및 문제점에 착안된 것으로서, 드론 등을 이용한 고정밀 항공영상과 행정분야 빅데이터 및 인공지능 기술(Deep Learning) 기술을 이용하여 석면슬레이트 지붕을 신속하고 정확하게 조사함으로써 석면안전관리법에 따른 환경부 등 중앙행정기관과 지방자치단체의 의무(실태조사) 이행을 지원하고 석면관련 환경보건 정책의 수립 및 이행을 지원할 수 있는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템을 제공함을 그 목적으로 하고 있다.
본 발명은 드론 등의 비행수단(100), 지상 건축물(101)에 대항 항공영상(201)을 촬영하기 위한 카메라(200), 항공영상(201)에 위치정보(301)를 부가하는 위치정보부(300), 항공영상(201)을 포함하는 정보를 분석서버(600)로 전송하는 통신단말(400), 다양한 인공지능 학습을 위한 학습용 데이터셋(500),학습용 데이터셋(500)을 통하여 학습을 수행하고 항공영상(201)을 수신하여
석면슬레이트(502a) 지붕재(502) 또는 지붕영역(501a) 등을 구분하여 식별하는 분석서버 등의 구성요소를 이용하여 빠르고 정확하게 일반 건축물이 석면슬레이트 지붕인지 여부는 물론 무허가 건축물과 방치된 석면 슬레이트도 검출할 수 있는 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템을 제공함을 그 특징으로 하고 있다.
본 발명은 고정밀 항공영상과 건축물관련 빅데이터에 다양한 인공지능 기술을 적용하여 일반 건축물이 석면슬레이트 지붕인지 여부는 물론 무허가 건축물과 방치된 석면 슬레이트도 빠르고 정확하게 검출함으로써 석면안전관리법에 따른 환경부 등 중앙행정기관과 지방자치단체의 의무(실태조사) 이행을 지원하고 석면관련 환경보건 정책의 수립 및 이행을 지원하는데 기여할 수 있을 것으로 기대된다.
도 1은 고정밀 항공영상 및 인공지능 기반 석면슬레이트 지붕 조사 시스템의 개념도
본 발명을 첨부된 도면 도1, 청구범위 등을 참조하여 상세히 설명하면 다음과 같다.
본 발명은 복수의 지상 건축물(101)이 존재하는 지역의 상공을 비행하기 위한 비행수단(100); 상기 비행수단(100)에 설치되어 지상 건축물(101)에 대한 항공영상(201)을 촬영하는 카메라(200); 상기 비행수단(100)에 설치되어 비행수단(100) 및 지상 건축물(101)에 대한 항공영상(201)에 위치정보(301)를 부가하는 위치정보부(300); 상기 비행수단(100)에 설치되어 상기 위치정보(301)가 부가된 지상 건축물(101)에 대한 항공영상(201)을 분석서버(600)로 송신하는 통신단말(400); 과거 촬영된 지상 건축물(101)에 대한 항공영상(201p)에 개별 지상 건축물(101)에 대한 지붕영역(501), 지붕재(502) 및 도색정보(503)가 부가되어 있는 학습용 데이터셋(500); 상기 통신단말(400)을 통해 금번 촬영 중인 지상 건축물(101)에 대한 항공영상(201c)을 수신하고 상기 학습용 데이터셋(500)을 이용하여 지붕종류(502) 및 지붕재질(503)에 따른 특징을 학습하는 분석서버(600); 상기 위치정보부(300)가 부가하는 위치정보(301)에 대응하는 지역의 건축물에 대한 건축물대장정보(801)를 수집하여 상기 분석서버(600)에 제공하는 행정정보제공부(800);를 포함하되 상기 카메라(200)는 RGB 영상을 촬영하는 하나 이상의 RGB 카메라 모듈(200a)과 다중분광 영상을 촬영하는 하나 이상의 MS 카메라 모듈(200b)을 포함하여 구성되며, 상기 학습용 데이터셋(500)은 RGB 영상 기반의 학습용 데이터셋(500a)과 다중분광 영상 기반의 학습용 데이터셋(500b)을 포함하여 구성되며, 상기 분석서버(600)는 상기 RGB 영상을 기준으로 석면 슬레이트(502a) 지붕재(502)의 지상 건축물(101) 지붕영역(501a)과 그 이외 지붕재(502)의 지상 건축물(101) 지붕영역(501b)를 구분하여 검출하고 석면 슬레이트(502a) 지붕재(502)일 확률이 제1설정값 이하인 지상 건축물(101)경우에는 상기 다중분광 영상을 기준으로 석면 슬레이트(502a) 지붕재(502) 여부를 판단하되, 상기 행정정보제공부(800)가 제공한 건축물대장정보(801)를 통해 착공시점이 2009년 1월 1일 이후인 건축물에 대해서는 석면 슬레이트(502a) 지붕재(502)에 해당하지 않는 것으로 분류하는 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템에 관한 것이다.
본 발명에 따른 비행수단(100)은 고정익 드론, 회전익 드론, VTOL 드론 등을 포함한 다양한 형태의 무인비행기와 경비행기, 헬리콥터, 기구 등을 포함하는 다양한 비행장치 그리고 위성까지 사용될 수 있으며, 상기 카메라(200)는 일반적인 RGB 영상을 촬영하는 RGB 카메라 모듈(200a) 및 또는 최근 정밀농업을 비롯한 각종 분야에서 널리 사용되고 있는 다중분광 영상을 촬영하는 MS카메라 모듈(200b)를 포함하여 구성될 수 있으며, 상기 위치정보부(300)는 헨(Global Positioning System)를 기반으로 위성으로부터 위치정보(301)를 수집하거나 지상의 기준점 GCP(Ground Control Points)를 활용하여 위치정보(301)를 수집 및/또는 보정하거나 RTK(Real Time Kinematic) 또는 PPK(Post Processed Kinematic) 시스템을 이용하여 위치정보(301)을 수집 및/또는 보정하는 기술이 적용될 수 있다. 아울러, 통신단말(400)의 경우 와이파이(WiFi)망 및 로컬망을 포함하는 인터넷망, 상기 인터넷망과 연결되는 3세대(3 Generation: 3G), 4G, 5G 등의 이동통신망, 와이브로망, 전용선망, 전력선망 등이 적용될 수 있으나 비행수단(100)간의 통신을 포함함을 고려할 때 무선 통신망으로 구현하는 것이 적절하며, 학습용 데이터셋(500)은 과거 촬영된 항공영상(201)에서 개별 객체(지붕)의 영역(501)을 구분하여 저장하고 관련정보(지붕재[502]의 종류, 도색정보[503] 등)를 부가하는 절차를 거쳐 생산된 원본 데이터셋과 원본 데이터셋의 색상, 배치, 명도, 채도 등과 같은 속성 값을 변경하거나 원본 데이터셋을 회전시키거나 복수의 원본 데이터셋을 결합 또는 합성하여 만든 가공 데이터셋을 포함한다.
아울러, 분석서버(600)는 그 규모 및 연산능력에 따라 IBM, HP, DELL 등의 기업들이 공급하는 슈퍼 컴퓨터를 포함하는 각종 대형와 중형 서버에서부터 우리가 일상생활에서 널리 활용하는 퍼스널 컴퓨터급의 소형서버가 사용될 수 있으며, 최근에는 클라우드 기반의 서버를 활용하거나 에지서버를 활용하는 사례들도 널리 보고되고 있다. 또한, 알고리즘 개발을 위해 다양한 조건에서 대용량의 데이터를 다루는 인공지능 학습과정과 실제 프로그램 운영과정을 분리할 경우 테블릿을 포함하는 모바일 기기가 사용될 수도 있다.
또한 본 발명은 상기 MS 카메라 모듈(200b)은 NIR(Near Infrared) 밴드, RED 밴드 및 GREEN 밴드를 포함하는 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템에 관한 것이다.
또한 본 발명은 상기 MS 카메라 모듈(200b)이 촬영한 각 밴드의 영상을 합성하여 CIR(Color Infrared) 영상을 생성하는 영상전처리부(700)를 추가로 포함하는 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템에 관한 것이다.
또한 본 발명은 상기 영상전처리부(700)는 상기 RGB 영상, NIR 밴드 영상, RED 밴드, GREEN 밴드 영상 및 CIR 영상에 대한 정사영상(Orthophotograph)을 추가로 생성하는 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템에 관한 것이다.
또한 본 발명은 상기 제1설정값은 84.1%인 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템에 관한 것이다.
또한 본 발명은 상기 분석서버(600)가 다중분광 영상을 기준으로 석면 슬레이트(502a) 지붕재(502) 여부를 판단한 결과의 신뢰도도 상기 제1설정값 이상인 경우에만 석면 슬레이트(502a) 지붕재(502)로 분류하는 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템에 관한 것이다.
상기와 같은 정확도(또는 신뢰도) 값, 골의 깊이와 피치 값 등은 국내외에 널리 사용되고 있는 석면 슬레이트의 제조 형상 및 장기간 옥외에서 사용됨에 따라 경년 열화된 석면 슬레이트에 대한 자료와 상기 분석서버(600)를 활용한 인공지능 학습을 통해 확보된 노하우에 따른 것이다.
전이학습(Transfer Learning)은 특정 분야에서 학습된 신경망의 일부 능력을 유사하거나 전혀 새로운 분야에서 사용되는 신경망의 학습에 이용하는 것으로, 이미지 분류를 예로 들어 Resnet이나 VGG 등과 같은 신경망의 구성 중 앞단은 CNN 레이어로 구성되어 있습니다. 이 CNN 레이어는 이미지의 특징을 추출하는 능력을 갖으며, 처음에는 신형성을 추출하고 다음에는 패턴을, 마지막에는 형상 등을 추출한다고 알려져 있다. 이러한 이미지의 특징을 추출하는 신경망의 능력은 다른 분야에서도 활용될 수 있습니다. 즉, 수 만에서 수 천만장의 이미지를 통해 학습된 높은 성능을 갖는 ResNet(Residual Net)이나 VGGNet(Very Deep Convolutional Networks for Large Scale Image Recognition) 신경망의 특징 추출 능력을 그대로 이용하고, 마지막 출력 계층으로써 주로 선형(Affine; 가중치와 편향에 대한 행렬 연산) 레이어만을 변경하여 이 변경된 레이어만을 재학습시키는 것이 전이학습의 특징이며, 전이학습은 학습 데이터의 수가 적을때도 효과적이며, 학습 속도도 빠르고 전이학습 없이 학습하는 것보다 훨씬 높은 정확도를 제공한다는 장점이 있다.
최근 정밀농업 등의 분야에서 널리 활용되고 있는 MS 카메라 모듈(200b)의 경우 통상 3개 내외의 파장대역(밴드)에 대한 영상을 제공하며 수십 개에서 수백 개 이상의 파장대역(밴드)에 대한 영상을 제공하는 경우 통상 초분광(Hyperspectral) 카메라로 칭하고 있다. RED, GREEN, BLUE를 제외하고 가장 널리 사용되는 밴드는 NIR(Near Infrared)이며 카메라 제조사나 응용분야 등에 따라 다소간 다르게 정의하고 있으나 통상 650-1,000nm 범위의 파장대역(밴드)을 말한다.
CIR(Colour Infrared) 영상 또는 False colour 영상은 토지피복(Land-cover) 분류 등의 분야에서 널리 사용되어온 영상으로, 본 발명에서는 영상전처리부(700)가 NIR(Near Infrared) 밴드, RED 밴드 및 GREEN 밴드의 영상을 이용하여 CIR(Colour Infrared) 영상을 생성한다. 또한, 영상전처리부(700)는 Pix4D, Drone Deploy 등을 비롯한 다양한 상용프로그램 또는 Open Drone Map과 같은 오픈소스 기반의 비상용 프로그램과 같이 다수의 개별 항공영상을 하나의 정사이미지로 정합하거나 개별 항공영상 또는 정합된 항공영상을 합성하여 CIR(Colour Infrared) 영상을 제작하는 기능을 수행한다.
아울러, 행정정보제공부(800)는 국토교통부와 지방자치단체가 공동으로 운영하는 건축행정시스템(별칭 세움터)를 활용하여 조회가 가능하며, 행정분야의 대표적인 빅데이타 중 하나인 대용량의 건축행정정보는 건축데이터민간개방시스템과 연계하여 API(Application Programming Interface) 형태로 구축 및 운영하는 것이 바람직하고, 건축물대장의 기재내용은 건축물대장이 기재 및 관리 등에 관한 규칙에 따라 건축물의 표시와 소유자 현황에 관한 사항으로 구분되며 건축물의 표시는 건축물의 증축ㆍ개축ㆍ재축ㆍ이전ㆍ대수선 및 용도변경에 의하여 건축물의 표시에 관한 사항으로 대지위치, 지번, 도로명 주소, 대지면적, 연면적, 지역, 지구, 구역, 건축면적, 윤적률 산정용 연면적, 주구조, 주용도, 층소(지하, 지상), 건폐율, 용적률, 높이, 지붕, 부속건축물, 조경면적, 공개공지*?*공간 면적, 건축선 후퇴면적, 건축선 후퇴거리 등의 일반정보와 건축주, 설계자, 공사감리자, 공사시공자, 주차장, 승강기, 허가일, 착공일, 사용승인일, 제로에너지건축물인증, 건축물 에너지효율등급 인증, 에너지성능지표(EPI) 점수, 녹색건축 인증, 지능형건축물 인증, 내진설계 적용여부 및 내진능력, 특수구조건축물 해당여부 및 유형 등의 인허가 정보, 건축물현황도 등의 정보를 포함한다.
이중, 지붕은 과거 수형슬레이트기와, 슬레이트, 슬라브, 기와, 한식기와, 토기와, 초즙, 지즙, 육즙, 아연기와, 시멘트기와, 판넬, 샌드위치판넬, 철근콘크리트, 강판, 기타지붕, 확인불가 등과 같이 복잡한 용어가 혼용된 바 있으나, 최근에는 철근콘크리트, 기와, 슬레이트, 기타지붕 등으로 그 제도는 간소화 되었으나 방대한 양의 건축물등록대장이 정리되지 못하고 과거의 용어와 현재의 분류체계가 혼용되고 있는 실정이다.
본 발명은 상기한 실시 예 등에 한정되지 않고, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양하게 수정 및 변경 실시할 수 있음은 이 기술 분야에서 통상의 지식을 가진 자라면 누구나 이해할 수 있을 것이다.
도1
Claims (6)
- 복수의 지상 건축물(101)이 존재하는 지역의 상공을 비행하기 위한 비행수단(100);
상기 비행수단(100)에 설치되어 지상 건축물(101)에 대한 항공영상(201)을 촬영하는 카메라(200);
상기 비행수단(100)에 설치되어 비행수단(100) 및 지상 건축물(101)에 대한 항공영상(201)에 위치정보(301)를 부가하는 위치정보부(300);
상기 비행수단(100)에 설치되어 상기 위치정보(301)가 부가된 지상 건축물(101)에 대한 항공영상(201)을 분석서버(600)로 송신하는 통신단말(400);
과거 촬영된 지상 건축물(101)에 대한 항공영상(201p)에 개별 지상 건축물(101)에 대한 지붕영역(501), 지붕재(502) 및 도색정보(503)가 부가되어 있는 학습용 데이터셋(500);
상기 통신단말(400)을 통해 금번 촬영 중인 지상 건축물(101)에 대한 항공영상(201c)을 수신하고 상기 학습용 데이터셋(500)을 이용하여 지붕종류(502) 및 지붕재질(503)에 따른 특징을 학습하는 분석서버(600);
상기 위치정보부(300)가 부가하는 위치정보(301)에 대응하는 지역의 건축물에 대한 건축물대장정보(801)를 수집하여 상기 분석서버(600)에 제공하는 행정정보제공부(800);를 포함하되
상기 카메라(200)는 RGB 영상을 촬영하는 하나 이상의 RGB 카메라 모듈(200a)과 다중분광 영상을 촬영하는 하나 이상의 MS 카메라 모듈(200b)을 포함하여 구성되며,
상기 학습용 데이터셋(500)은 RGB 영상 기반의 학습용 데이터셋(500a)과 다중분광 영상 기반의 학습용 데이터셋(500b)을 포함하여 구성되며,
상기 분석서버(600)는 상기 RGB 영상을 기준으로 석면 슬레이트(502a) 지붕재(502)의 지상 건축물(101) 지붕영역(501a)과 그 이외 지붕재(502)의 지상 건축물(101) 지붕영역(501b)를 구분하여 검출하고 석면 슬레이트(502a) 지붕재(502)일 확률이 제1설정값 이하인 지상 건축물(101)경우에는 상기 다중분광 영상을 기준으로 석면 슬레이트(502a) 지붕재(502) 여부를 판단하되,
상기 행정정보제공부(800)가 제공한 건축물대장정보(801)를 통해 착공시점이 2009년 1월 1일 이후인 건축물에 대해서는 석면 슬레이트(502a) 지붕재(502)에 해당하지 않는 것으로 분류하는 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템
- 제1항에 있어서,
상기 MS 카메라 모듈(200b)은 NIR(Near Infrared) 밴드, RED 밴드 및 GREEN 밴드를 포함하는 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템
- 제2항에 있어서,
상기 MS 카메라 모듈(200b)이 촬영한 각 밴드의 영상을 합성하여 CIR(Color Infrared) 영상을 생성하는 영상전처리부(700)를 추가로 포함하는 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템
- 제3항에 있어서,
상기 영상전처리부(700)는 상기 RGB 영상, NIR 밴드 영상, RED 밴드, GREEN 밴드 영상 및 CIR 영상에 대한 정사영상(Orthophotograph)을 추가로 생성하는 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템
- 제4항에 있어서,
상기 제1설정값은 84.1%인 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템
- 제5항에 있어서,
상기 분석서버(600)가 다중분광 영상을 기준으로 석면 슬레이트(502a) 지붕재(502) 여부를 판단한 결과의 신뢰도도 상기 제1설정값 이상인 경우에만 석면 슬레이트(502a) 지붕재(502)로 분류하는 것을 특징으로 하는 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220045507A KR102495738B1 (ko) | 2022-04-13 | 2022-04-13 | 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220045507A KR102495738B1 (ko) | 2022-04-13 | 2022-04-13 | 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102495738B1 true KR102495738B1 (ko) | 2023-02-06 |
Family
ID=85224072
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220045507A KR102495738B1 (ko) | 2022-04-13 | 2022-04-13 | 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102495738B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101922831B1 (ko) * | 2018-01-31 | 2018-11-27 | 서울시립대학교 산학협력단 | 콘크리트 상태를 판정하는 영상분석장치 및 영상분석방법 |
| KR20210063016A (ko) * | 2019-11-22 | 2021-06-01 | 주식회사 공간정보 | 작물 재배면적 추출방법 및 프로그램 |
-
2022
- 2022-04-13 KR KR1020220045507A patent/KR102495738B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101922831B1 (ko) * | 2018-01-31 | 2018-11-27 | 서울시립대학교 산학협력단 | 콘크리트 상태를 판정하는 영상분석장치 및 영상분석방법 |
| KR20210063016A (ko) * | 2019-11-22 | 2021-06-01 | 주식회사 공간정보 | 작물 재배면적 추출방법 및 프로그램 |
Non-Patent Citations (5)
| Title |
|---|
| [문헌1] "무인항공기를 이용한 노후 주거지역의 석면슬레이트 지붕 조사 기법에 관한 연구" 대한건축학회지 32권 3호, pp59-66, 2016.3월 |
| [문헌2] "무인항공영상과 Feature Extraction 기법을 이용한 슬레이트 객체 추출 연구", 한국지정정보학회지 제23권 제1호, pp28-41, 2021년 4월 |
| [문헌3] 드론 기반 초분광 영상의 수집과 활용" 한국수자원학회 2019년도 학술발표회 2019 May 30 , 2019년, pp.76 - 76 |
| 이동필 외 3인, 농어촌지역 슬레이트지붕의 실패와 대책방향, 한국농촌경제연구원, 2010.06 (2010.06.30)* * |
| 이승욱 외 2인, 무인항공기를 이용한 노후 주거지역의 석면 슬레이트 지붕 조사 기법에 관한 연구, 대한건축학회, pp. 59-66, 2016.03 (2016.03.31.)* * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Occupational Health and Safety in green building construction projects: A holistic Z-numbers-based risk management framework | |
| Cengiz et al. | Analysis of the urban growth pattern through spatial metrics; Ankara City | |
| US20210124855A1 (en) | Methods and apparatus for automatically defining computer-aided design files using machine learning, image analytics, and/or computer vision | |
| Kotharkar et al. | Local Climate Zone classification for Indian cities: A case study of Nagpur | |
| Gibbons et al. | Options for reducing house-losses during wildfires without clearing trees and shrubs | |
| Ahmed et al. | Remote sensing of wildland fire-induced risk assessment at the community level | |
| Khorram et al. | Comparson of Landsat MSS and TM data for urban land-use classification | |
| Ruiz et al. | Unmanned aerial vehicles (UAV) as a tool for visual inspection of building facades in AEC+ FM industry | |
| Perelló et al. | Ecological, legal, and methodological principles for planning buffer zones | |
| KR102495738B1 (ko) | 다중분광 영상 및 행정 빅데이터를 이용한 석면 슬레이트 지붕 조사 시스템 | |
| KR102495742B1 (ko) | Rgb 및 ms 항공영상 기반 석면슬레이트 지붕 조사 시스템 | |
| Reynoso Vanderhorst et al. | UAS application for urban planning development | |
| Louis-Lucas et al. | Role of green roofs in urban connectivity, an exploratory approach using landscape graphs in the city of Paris, France | |
| Liao et al. | Extraction and Analysis of Finer Impervious Surface Classes in Urban Area | |
| Amaral et al. | Urban forest management tools | |
| Picotte et al. | Landfire 2015 remap–utilization of remotely sensed data to classify existing vegetation type and structure to support strategic planning and tactical response | |
| Ahmad et al. | Buffer zone delineation at conservation reserve | |
| Al-Awadhi et al. | The use of remote sensing & geographical information systems to identify vegetation: The case of dhofar governorate (Oman) | |
| Rodrigues et al. | Digital survey applied to the assessment of pathological manifestations in the architectural heritage of monte alegre in Piracicaba/SP | |
| Rao et al. | Neural fuzzy system design in forest fire detection | |
| Dini et al. | Applying Deep Learning and Convolutional Neural Network System to Identify Historic Buildings: The “Little China” Building in Central Java, Indonesia | |
| Wang et al. | UAV application for typhoon damage assessment in construction sites | |
| Madhavan | Robotics and automation for societal good: Global South challenges and technology-policy considerations | |
| KR102413717B1 (ko) | 인공신경망을 이용한 실시간 풍향 예측 서비스 장치 및 그 방법 | |
| Wu et al. | Developing a planning model for the construction of ecological corridors for low-carbon ecological cities: a case study of the Shenzhen International Low-Carbon City |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant |