KR20190066789A - 딥러닝을 이용한 영상 기반 콘크리트 균열 탐지 시스템 - Google Patents

Abstract

본 발명은, 웹 스크레이핑 기법을 이용하여 인터넷의 콘크리트 균열 이미지를 획득하는 1단계; 콘크리트 균열과 혼동 될 수 있는 콘크리트의 음각 장식, 시공 이음부의 이미지를 수집하는 2단계; 수집된 이미지를 콘크리트 균열, 콘크리트 이음부, 무손상 콘크리트 표면 및 식생의 4가지 범주로 분류하여 인공신경망에 학습시키는 3단계; 및 인공신경망이 판단한 결과를 기반으로 신뢰도 매핑을 시행하는 4단계;를 포함하는, 딥러닝을 이용한 영상 기반 콘크리트 균열 탐지 시스템을 제공하며, 상기 4단계에서, 신뢰도 매핑을 시행하는 과정에서는, 균열 영상을 일정 각도로 회전시키는 동시에 이미지 분할 크기를 달리함으로써, 인공신경망이 판단한 결과를 기반으로 신뢰도 매핑을 시행한다.

Description

딥러닝을 이용한 영상 기반 콘크리트 균열 탐지 시스템{image-based concrete crack assessment system using deep learning}

본 발명은 촬영영상과 인공지능 알고리즘 기반의 콘크리트 균열 탐지 시스템에 관한 것으로, 특히 콘크리트 건축구조물의 표면을 촬영하고 획득된 영상정보를 기반으로 신속하고 정확하게 콘크리트 표면의 균열을 검출하도록 하는 것을 특징으로 하는 딥러닝을 이용한 영상 기반 콘크리트 균열 탐지 시스템에 관한 것이다

현재 건축구조물의 유지관리는 시설물 안전관리에 관한 특별법에 정한 주기나 수준에 의해 점검 및 진단을 하며 이러한 과정에서 가장 중요한 기본조사인 외관조사는 육안에 의존하여 수행되고 있는 실정이다. 그러나 육안에 의한 조사는 점검자 주관에 의존하기 때문에 누락이나 오류로 인해 자칫 대형사고로 이어질 수 있으며 정밀하고 객관적인 점검결과가 필요한 실정이다.

콘크리트 표면의 균열은 고체의 표면이나 내부에 금이 가는 현상으로 콘크리트의 경우 외력에 의한 응력 발생, 시공 후 관리 불량에 따른 수분 손실 등이 그 원인이 된다. 발생 원인에 따라 구조물에 심각한 손상을 초래할 수 있기 때문에 정확히 탐지하는 기술이 필요하며 발견 뒤에는 적절한 조치가 필수적이다. 하지만 현재 콘크리트 균열탐지 기술들은 손상이 없는 표면과 균열을 구분할 수 있지만, 균열과 비슷한 색상 및 명암 특성을 보이는 콘크리트의 음각 장식, 시공 이음부와 같은 부분도 균열로 판단하고 있어서 실무에 적용하는데 어려움이 있다.

본 발명은 최근 다양한 분야에서 사용되고 있는 딥러닝 기반의 영상정보를 이용하여 콘크리트 표면에서 균열을 검출하는 방법을 제공하는데 그 목적이 있다.

본 발명은 빅데이터 기반 심화학습을 이용하여 콘크리트의 균열을 신속하게 탐지해내는 기술을 제공하는 것을 목적으로 한다.

본 연구에서는 이러한 한계를 극복하기 위하여 인터넷 기반 빅데이터 심화학습을 이용하였으며, 콘크리트의 음각 장식, 시공 이음부의 이미지를 균열과 다른 분류로 학습시키므로 균열 탐지의 정확도를 향상시켰다.

본 발명은, 웹 스크레이핑 기법을 이용하여 인터넷의 콘크리트 균열 이미지를 획득하는 1단계; 콘크리트 균열과 혼동 될 수 있는 콘크리트의 음각 장식, 시공 이음부의 이미지를 수집하는 2단계; 수집된 이미지를 콘크리트 균열, 콘크리트 이음부, 무손상 콘크리트 표면 및 식생의 4가지 범주로 분류하여 인공신경망에 학습시키는 3단계; 및 인공신경망이 판단한 결과를 기반으로 신뢰도 매핑을 시행하는 4단계;를 포함하는, 딥러닝을 이용한 영상 기반 콘크리트 균열 탐지 시스템을 제공한다.

상기 4단계에서, 신뢰도 매핑을 시행하는 과정에서는, 균열 영상을 일정 각도로 회전시키는 동시에 이미지 분할 크기를 달리함으로써, 인공신경망이 판단한 결과를 기반으로 신뢰도 매핑을 시행한다.

본 발명은 콘크리트 표면의 균열 검출을 기존의 점검자가 직접 육안검사를 하는 방법이 아닌 딥러닝을 활용하여 인공지능을 통해 검출 할 수 있게 하였고, 인터넷 기반 빅데이터 심화학습을 이용하여 콘크리트의 음각 장식, 시공 이음부의 이미지를 균열과 다른 분류로 학습시키므로 균열 탐지의 정확도를 향상시켰다.

도 1은 본 발명의 일 실시예에 따라 인공신경망을 이용한 실구조물 균열 탐지 결과를 보여준다.

본 발명의 목적, 특정한 장점들 및 신규한 특징들은 첨부된 도면들과 연관되는 이하의 상세한 설명과 바람직한 실시예로부터 더욱 명백해질 것이다. 또한, 사용된 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로써, 이는 사용자 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서의 전반에 걸친 내용을 토대로 내려져야 할 것이다.

[딥러닝을 이용한 콘크리트 균열탐지 인공신경망 개발]

본 발명에서는 최근 영상 분석, 음성 인식 등에서 크게 두각을 나타내고 있는 딥러닝 기반의 인공신경망을 이용하여 콘크리트의 균열을 탐지한다. 인터넷의 균열 관련 사진들을 웹 스크레이핑(Web Scraping) 기법을 사용하여 수집한 뒤, 이 이미지들로 균열탐지 인공신경망을 학습시킨다. 본 연구에서 사용된 인공신경망은 토론토 대학교에서 개발한 나선 신경망(Convolutional Neural Network), 일명 Alexnet(Krizhevsky 등, 2012)을 전이학습(Transfer Learning) 시켜 만든 것으로서, 훈련을 위하여 균열 사진 1017장, 이음부 사진 485장, 균열이 없는 무손상 콘크리트 표면 사진 약 977장 그리고 기타(식생 등)의 사진이 이용되었다. 본 인공신경망의 성능 검증을 위해 수집된 사진의 20%를 따로 분류하여 그 성능을 시험하였으며 그 정확도는 약 92%로 나타났다.

다시 구체적으로 본 발명의 과정을 보면, 웹 스크레이핑 기법을 이용하여 인터넷의 콘크리트 균열 이미지를 획득하였고, 심화학습의 정확도 향상을 위하여 콘크리트 균열과 혼동 될 수 있는 콘크리트의 음각 장식, 시공 이음부 등의 이미지를 함께 수집하였다. 수집된 이미지를 콘크리트 균열, 콘크리트 이음부, 무손상 콘크리트 표면 그리고 기타(식생 등), 총 4가지 범주로 분류하여 인공신경망에 학습시켰다. 개발된 인공신경망의 정확도 향상을 위하여, 균열 영상을 일정 각도로 회전시키는 동시에 이미지 분할 크기를 달리하며 인공신경망이 판단한 결과를 기반으로 신뢰도 매핑을 시행하였다. 이 방법을 실제 교량에 발생한 균열을 탐지하는데 적용하였으며, 그 결과 인공신경망 기반 영상 분석 기술이 콘크리트의 균열을 효과적으로 탐지할 수 있음을 확인하였다.

[인공신경망의 정확도 향상을 위한 신뢰도 매핑]

개발된 콘크리트 균열 탐지 인공신경망은 Alexnet을 기반으로 만들어졌기 때문에, Alexnet이 제공하는 기본 데이터 입력 크기에 맞추어 이미지를 입력해야하는 한계를 가지고 있다. 따라서 넓은 영역의 영상을 작은 단위로 분할해야하며, 분할하는 과정에서 균열 이미지가 손상될 수 있는 가능성이 커진다. 따라서 이로 인한 결과의 정확도 저하를 최소화하기 위해서 탐지 대상의 이미지의 가로 세로 분할 개수를 바꾸는 동시에 일정 각도로 회전시키며 인공신경망의 판단 결과를 획득한다. 그리고 이를 토대로 신뢰도 매핑을 시행하여 균열로 판단된 누적 횟수가 높은 픽셀들만을 추출하여 균열 부분을 탐지한다.

[실구조물 표면 균열 탐지 결과]

학습된 인공신경망을 검증하기 위하여 실제 균열이 발생한 콘크리트 구조물에서 시험을 수행하였으며 그 결과를 도 1에서 보여준다. 시험 대상 구조물의 표면에는 최대 0.2mm 폭의 수직균열이 발생했으며, 균열의 주변으로 사소한 콘크리트 표면 손상이 발생해 있다. 이미지를 7x8 에서 10x11 까지 분할 숫자를 바꾸는 동시에 90°단위로 회전시키며 인공신경망의 판단 결과를 획득했다. 전체 이미지 중 12회 이상 균열로 판단된 부분들을 추출하여 균열부 이미지를 재구축하였다. 이 재구축된 이미지에 기존 균열탐지 알고리즘을 적용하였으며 이 알고리즘은 국부적으로 주변 픽셀보다 훨씬 낮은 밝기 값을 보이는 부분만을 추출하여 균열로 판단한다(Fujita 등, 2006). 인공신경망의 판단 결과로 균열 주변 부분을 높은 정확도로 추출했기 때문에 기존 균열탐지 기술 중 비교적 간단한 방법을 선택했음에도 불구하고 높은 탐지 정확도를 보였다.

본 연구에서는 딥러닝 인공신경망을 활용하여 기존의 콘크리트 균열 탐지 기술들이 가지고 있던 한계를 극복하고자 하였다. 균열을 탐지하는 과정에서 인공신경망의 분류 정확도를 보완하기 위하여 신뢰도 매핑을 적용했으며, 전체 영상에서 균열 부분만을 높은 정확도로 추출하였다. 실제 균열이 발생한 콘크리트 구조물의 영상에 본 기법을 적용하였으며, 영상 기반으로 콘크리트 균열을 효과적으로 탐지하고 평가할 수 있음을 보였다.

이상에서 본 발명의 바람직한 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (2)

1. 웹 스크레이핑 기법을 이용하여 인터넷의 콘크리트 균열 이미지를 획득하는 1단계;
   콘크리트 균열과 혼동 될 수 있는 콘크리트의 음각 장식, 시공 이음부의 이미지를 수집하는 2단계;
   수집된 이미지를 콘크리트 균열, 콘크리트 이음부, 무손상 콘크리트 표면 및 식생의 4가지 범주로 분류하여 인공신경망에 학습시키는 3단계; 및
   인공신경망이 판단한 결과를 기반으로 신뢰도 매핑을 시행하는 4단계;를 포함하는,
   딥러닝을 이용한 영상 기반 콘크리트 균열 탐지 시스템
2. 제1항에 있어서,
   상기 4단계에서, 신뢰도 매핑을 시행하는 과정에서는, 균열 영상을 일정 각도로 회전시키는 동시에 이미지 분할 크기를 달리함으로써, 인공신경망이 판단한 결과를 기반으로 신뢰도 매핑을 시행하는 것을 특징으로 하는,
   딥러닝을 이용한 영상 기반 콘크리트 균열 탐지 시스템

Images