KR20220020001A - System for detecting abnormal sign in construction site - Google Patents

System for detecting abnormal sign in construction site Download PDF

Info

Publication number
KR20220020001A
KR20220020001A KR1020200100393A KR20200100393A KR20220020001A KR 20220020001 A KR20220020001 A KR 20220020001A KR 1020200100393 A KR1020200100393 A KR 1020200100393A KR 20200100393 A KR20200100393 A KR 20200100393A KR 20220020001 A KR20220020001 A KR 20220020001A
Authority
KR
South Korea
Prior art keywords
sound
signal
acoustic
acoustic signal
construction site
Prior art date
Application number
KR1020200100393A
Other languages
Korean (ko)
Other versions
KR102520819B1 (en
Inventor
진상윤
김인채
Original Assignee
성균관대학교산학협력단
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 성균관대학교산학협력단 filed Critical 성균관대학교산학협력단
Priority to KR1020200100393A priority Critical patent/KR102520819B1/en
Publication of KR20220020001A publication Critical patent/KR20220020001A/en
Application granted granted Critical
Publication of KR102520819B1 publication Critical patent/KR102520819B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/16—Actuation by interference with mechanical vibrations in air or other fluid
    • G08B13/1654—Actuation by interference with mechanical vibrations in air or other fluid using passive vibration detection systems
    • G08B13/1672—Actuation by interference with mechanical vibrations in air or other fluid using passive vibration detection systems using sonic detecting means, e.g. a microphone operating in the audio frequency range
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/15—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being formant information
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/20—Arrangements for obtaining desired frequency or directional characteristics
    • H04R1/32—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only
    • H04R1/34—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by using a single transducer with sound reflecting, diffracting, directing or guiding means
    • H04R1/342—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by using a single transducer with sound reflecting, diffracting, directing or guiding means for microphones

Abstract

The present invention relates to a method and system for detecting an abnormal sign in a construction site. The system for detecting an abnormal sign in a construction site according to the present invention includes: an acoustic analyzer for receiving an acoustic signal of the construction site and transmitting the acoustic signal; and an acoustic analysis server for receiving the acoustic signal of the construction site and detecting an abnormal sign by comparing the received acoustic signal with normal sound or accident sound data. The acoustic analysis server comprises a learning algorithm for a normal sound and an abnormal signal by extracting the characteristics of the acoustic signal and classifying the characteristics by category.

Description

건설현장 이상징후 감지 시스템{SYSTEM FOR DETECTING ABNORMAL SIGN IN CONSTRUCTION SITE}Construction site anomaly detection system {SYSTEM FOR DETECTING ABNORMAL SIGN IN CONSTRUCTION SITE}

본 발명의 실시예는 건설현장 이상징후 감지 방법 및 시스템에 관한 것이다.An embodiment of the present invention relates to a method and system for detecting anomalies in a construction site.

매년 산업재해로 인한 사망자수가 500여명에 달하는 건설업은 근로자 1만명당 사망률이 1.47로 평균 산업재해로 인한 사망률인 1.01보다 약 45% 더 높다(안전보건공단 2015).In the construction industry, where about 500 deaths occur every year from industrial accidents, the death rate per 10,000 workers is 1.47, which is about 45% higher than the average death rate from industrial accidents of 1.01 (Korea Occupational Safety and Health Agency 2015).

공종별 사고현황으로는 가설, 굴착, 철근콘크리트 공사가 주를 이루었으며, 붕괴, 도괴사고의 사고경위들을 조사한 결과 대부분이 콘크리트 타설 중 붕괴되거나 상부하중으로 인해 붕괴되는 것이었다. 즉, 가설, 굴착, 철근콘크리트 공사에서 많은 사고가 발생하고 있으며, 콘크리트 타설 중에 거푸집 및 동바리가 상부하중에 견디지 못해서 붕괴 및 도괴사고가 발생하는 것으로 나타났다.As for the status of accidents by construction type, temporary construction, excavation, and reinforced concrete construction were the main ones. As a result of investigating the accident circumstances of collapse and collapse, most of them collapsed during concrete pouring or collapsed due to upper load. In other words, many accidents occur in temporary construction, excavation, and reinforced concrete construction, and collapse and collapse accidents occur because the formwork and struts cannot withstand the upper load during concrete pouring.

이와 같은 안전 사고의 징후는 소리를 통해서 파악할 수 있는 것으로서, 하인리히 법칙(Heinrich's Law)에서처럼 큰 사고는 우연히 또는 어느 순간 갑작스럽게 발생하는 것이 아니라, 그 이전에 반드시 경미한 사고들이 반복되는 과정 속에서 발생한다는 것을 실증적으로 밝힌 것으로, 큰 사고가 일어나기 전 일정 기간 동안 여러 번의 경고성 징후와 전조들이 있다.Signs of such a safety accident can be identified through sound, and as in Heinrich's Law, a major accident does not occur suddenly or suddenly, but in the process of repeating minor accidents before that. It has been empirically proven that there are several warning signs and omens for a certain period of time before a major accident occurs.

또한, 사고가 발생했다고 하더라도 소리를 통해 감지할 수 있는 경우에는 신속한 대응이 가능하다.In addition, even if an accident has occurred, it is possible to respond quickly if it can be detected through sound.

소리(Sound)는 물체의 진동이 매질로 인해 전달되는 파동으로, 사람의 목소리나 말소리인 음성(Voice)과 음향(Acoustics)으로 구분된다.Sound is a wave transmitted by the vibration of an object due to a medium, and is divided into voice and acoustics, which are human voices or speech sounds.

음성분석을 활용한 기존 연구들은 주로 인문학에서 운율변화, 억양 발화속도 등의 특성을 분석하여 교육적으로 활용하기 위한 방향으로 진행(윤규철 외 2010, 이서배 2014)되고 있으며, 의공학에서는 후두암 발견 및 목소리 치료 등을 위한 의료 시스템 개발을 목적으로 진행(김경태 외 2002)되고 있다. Existing studies using voice analysis are mainly conducted in the humanities to analyze characteristics such as rhyme change and intonation utterance speed and use them educationally (Kyu-Chul Yoon et al. 2010, Seo-Bae Lee 2014). It is being conducted for the purpose of developing a medical system for the

정보통신 분야에서는 음성인식을 통해 Siri와 같은 인공지능, 애니메이션 게임에서 캐릭터의 얼굴표정과 음성을 매칭시키는 기술이 개발(윤재홍 외 2006)되고 있다. 자동차 주변의 상황을 감지(조준희 외 1997)뿐만 아니라 가축의 울음소리를 통해 질병 및 이상 징후를 파악(이종욱 외 2014)하는데도 활용되고 있으며, 범죄사건의 과학수사를 위해 동일인 여부를 판단(정현열 2001)하거나, 사람의 감정이나 상황을 판단하여 재난상황에 대응하는 데에도 음성분석 기술이 적용(이규환 외 2016)되고 있다.In the field of information and communication, a technology to match a character's facial expression and voice in artificial intelligence such as Siri and animation games through voice recognition is being developed (Jaehong Yoon et al. 2006). It is used not only to detect the situation around a car (Cho Jun-hee et al. 1997), but also to identify diseases and abnormal signs through the cry of livestock (Lee Jong-wook et al. 2014). Voice analysis technology is also being applied to respond to disaster situations by judging people's emotions or circumstances (Lee Gyu-hwan et al. 2016).

교통 분야의 사고 자동검지시스템(이형석 외 2004, 한국건설기술연구원 2016)은 정해진 구역에서 CCTV를 설치, 실시간으로 데이터를 분석하여 터널 내 사고 상황을 자동으로 감지, 2차 사고예방을 위한 정보제공을 하는 것이다.The automatic accident detection system in the traffic field (Hyungseok Lee et al. 2004, Korea Institute of Construction Technology 2016) installs CCTV in a designated area and analyzes data in real time to automatically detect accidents in the tunnel and provide information to prevent secondary accidents. will do

그러나, 이 연구는 선형적 공간인 터널에 적용된 것이기 때문에 3차원 공간의 건설현장에 적용할 수 없다. 토목분야의 산사태 모니터링 시스템(김국진 2015)은 온도측정기로 수온변화를 감지하고 지반이 밀려나갈 때의 음향을 분석하여 위험을 미리 예측하는 것인데, 지반 내에 천공이 필요할 뿐만 아니라 천공 후에는 외부소음이 차단된 상태에서 사고 음향을 감지하는 것이기 때문에 실외에서 다양한 소리가 발생하는 건설현장의 특성상 적용이 힘들다.However, this study cannot be applied to a construction site in a three-dimensional space because it is applied to a tunnel, which is a linear space. The landslide monitoring system in the civil engineering field (Kim Kook-jin 2015) detects changes in water temperature with a temperature measuring instrument and analyzes the sound when the ground is pushed to predict risks in advance. It is difficult to apply due to the nature of the construction site where various sounds are generated outdoors because it detects the sound of an accident in the

또한, 종래 기술로서 소리 분석을 통해 중장비의 작업 상태 및 생산성을 추적, 모니터링 하는 연구(Cheng at al. 2017)가 있으나, 중장비 모니터링은 외부소음과 다소 떨어진 상태에서 단일기계활동만을 분석하기 때문에 건설현장 전반에 걸친 음향분석은 이루어지지 않았으며 측정을 위한 장치의 설정 및 레이아웃(위치, 거리, 방향, 마이크 수)에 대한 고려가 없어 시공현장의 안전관리분야에 적용하기엔 큰 한계가 있었다.In addition, as a prior art, there is a study to track and monitor the working status and productivity of heavy equipment through sound analysis (Cheng at al. 2017), but heavy equipment monitoring analyzes only a single machine activity in a state somewhat distant from external noise, so construction site The overall acoustic analysis was not performed, and there was no consideration for the setting and layout of the measurement device (position, distance, direction, number of microphones), so there was a big limit to its application to the field of safety management at the construction site.

대한민국 등록특허공보 제10-1768640호(2017.08.16.)Republic of Korea Patent Publication No. 10-1768640 (2017.08.16.) 대한민국 공개특허공보 제10-2017-0136200호(2017.12.11.)Republic of Korea Patent Publication No. 10-2017-0136200 (2017.12.11.)

본 발명은 전술한 문제를 해결하기 위해 안출된 것으로서, 본 발명에 따르면 정상적인 소리와 비정상적인 소리를 비교하여 이상징후를 판단함으로써 신속하고 정확하게 현장내의 안전사고를 미리 파악할 수 있도록 하고자 한다.The present invention has been devised to solve the above-mentioned problems, and according to the present invention, it is intended to quickly and accurately identify safety accidents in the field in advance by judging abnormal symptoms by comparing normal sounds with abnormal sounds.

또한, 본 발명에 따르면 건설현장 내에서 사고가 발생하기 전에 붕괴조짐 등의 이상 음향 징후를 식별하고 그 음향이 방출되는 위치를 파악함으로써 안전사고를 미연에 방지하거나 즉각적인 대응이 가능하도록 하고자 한다.In addition, according to the present invention, before an accident occurs in a construction site, it is intended to prevent a safety accident in advance or to enable an immediate response by identifying abnormal acoustic signs such as signs of collapse and figuring out the location where the sound is emitted.

아울러 정확한 위치를 파악할 수 있도록 위치를 검증함으로써 보다 효율적인 대응이 가능하도록 하고자 한다. In addition, it is intended to enable more efficient response by verifying the location so that the exact location can be identified.

전술한 문제를 해결하기 위한 본 실시예에 따른 건설현장 이상징후 감지 시스템은 복수 개의 음향 수신기에서 건설 현장의 음향 신호를 입력 받고, 음향 신호를 전송하는 음향 분석기; 및 건설 현장의 음향 신호를 수신하고, 수신한 음향 신호를 정상음 또는 사고음 데이터에 비교하여 이상 징후를 감지하는 음향분석 서버; 를 포함하고, 음향분석 서버는, 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 정상음과 이상 신호에 대한 학습 알고리즘을 구성하고, 음향분석 서버는, 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성하는 음향신호 학습부; 음향 신호의 특징을 추출하고, 정상음과 이상 신호에 대한 학습 알고리즘을 이용해 구성한 분류 모델을 이용해 음향 신호의 특징을 분석하여 이상 징후를 판단하는 이상징후 분석부; 및 음향 분석기의 위치에 기초하여 이상 징후의 발생 위치를 측정 및 분석하는 위치 분석부;를 포함하며, 위치 분석부는 복수 개의 음향 수신기에서 입력되는 음향 신호의 도래시간차(TDOA; Time Difference Of Arrival)를 이용한다. A construction site anomaly symptom detection system according to this embodiment for solving the above-described problem includes: an acoustic analyzer for receiving an acoustic signal of the construction site from a plurality of acoustic receivers, and transmitting the acoustic signal; and an acoustic analysis server that receives the acoustic signal of the construction site, and detects anomalies by comparing the received acoustic signal with normal sound or accident sound data; Including, the sound analysis server extracts the characteristics of the sound signal and classifies them by category to configure a learning algorithm for the normal sound and the abnormal signal for the normal sound and the abnormal signal, and the sound analysis server determines the characteristics of the sound signal an acoustic signal learning unit configured to extract and classify by category to construct a learning algorithm for normal and abnormal signals; an abnormal symptom analysis unit that extracts characteristics of an acoustic signal and determines abnormal symptoms by analyzing characteristics of the acoustic signal using a classification model constructed using a learning algorithm for normal sounds and abnormal signals; and a position analyzer that measures and analyzes the occurrence position of anomalies based on the position of the sound analyzer, wherein the position analyzer calculates a Time Difference Of Arrival (TDOA) of sound signals input from a plurality of sound receivers. use it

본 발명의 다른 일실시예에 따르면, 음향 분석기는, 건설 현장의 음향 신호의 진폭, 주파수, 파형 또는 패턴을 수집하는 음향신호 입력부; 음향 신호를 저장하는 메모리부; 저장된 음향 신호를 전송하는 음향신호 전송부; 음향분석 서버로부터 이상징후 감지신호를 수신하면 위험을 표시하는 위험 표시부; 를 더 포함한다. According to another embodiment of the present invention, the acoustic analyzer, the acoustic signal input unit for collecting the amplitude, frequency, waveform or pattern of the acoustic signal of the construction site; a memory unit for storing the sound signal; a sound signal transmitter for transmitting the stored sound signal; a risk display unit for displaying a risk when receiving an abnormal symptom detection signal from the acoustic analysis server; further includes

본 발명의 다른 일실시예에 따르면, 음향분석 서버는, 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성하는 음향신호 학습부; 및 음향 신호의 특징을 추출하고, 정상음과 이상 신호에 대한 학습 알고리즘을 이용해 구성한 분류 모델을 이용해 음향 신호의 특징을 분석하여 이상 징후를 판단하는 이상징후 분석부;를 포함한다. According to another embodiment of the present invention, the acoustic analysis server includes: an acoustic signal learning unit configured to configure a learning algorithm for a normal sound and an abnormal signal by extracting characteristics of the acoustic signal and classifying it by category; and an abnormal symptom analysis unit that extracts characteristics of the acoustic signal and determines abnormal symptoms by analyzing the characteristics of the acoustic signal using a classification model constructed using a learning algorithm for normal sounds and abnormal signals.

본 발명의 다른 일실시예에 따르면, 음향신호 학습부는, 음향 신호를 모델을 학습하는데 사용하는 트레이닝 셋(Training Set), 유효성을 검사하는데 사용하는 밸리데이션 셋(Validation Set) 및 학습된 모델을 테스트하는 테스트 셋(Test Set)을 이용하여 학습한다. According to another embodiment of the present invention, the acoustic signal learning unit, the training set (Training Set) used to learn the acoustic signal model, the validation set (Validation Set) used to check the validity and testing the learned model Learn using a test set.

본 발명의 다른 일실시예에 따르면, 음향신호 학습부 또는 이상징후 분석부는, 음향 신호를 웨이브플롯(Waveplot), 스펙트로그램(Spectrogram) 또는 로그 파워 스펙트로그램(Log power spectrogram)으로 전처리한다. According to another embodiment of the present invention, the acoustic signal learning unit or the abnormal symptom analysis unit pre-processes the acoustic signal into a waveplot, a spectrogram, or a log power spectrogram.

본 발명의 다른 일실시예에 따르면, 음향신호 학습부 또는 이상징후 분석부는, MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 음향 신호의 특징을 추출한다. According to another embodiment of the present invention, the acoustic signal learning unit or the abnormal symptom analysis unit, MFCC (Mel frequency cepstral coefficients), chroma STFT (chromagram from a waveform or power spectrogram), melspectrogram (Mel-scaled power spectrogram), spectral The features of the acoustic signal are extracted using contrast or tonnetz (tonal centroid features).

본 발명의 다른 일실시예에 따르면, 음향신호 학습부 또는 이상징후 분석부는, STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 음향 신호의 특징을 추출한다. According to another embodiment of the present invention, the acoustic signal learning unit or anomaly symptom analysis unit extracts the primary feature using STFT, Spectrogram, Mel-filtering and Log power spectrogram, and extracts the secondary feature using a convolution layer. Extract the characteristics of the acoustic signal.

본 발명의 다른 일실시예에 따르면, 음향 수신기는 일측 방향으로 곡률을 구비하여 소리를 반사하는 제1 반사판과, 제1 반사판에서 반사된 소리를 재반사하는 타측 방향으로 곡률를 구비하는 제2 반사판과, 일단이 제1 반사판 중심부에 설치되며, 타단이 제2 반사판과 이격되어, 제2 반사판에서 재반사되는 소리를 수집하여 전기적 신호로 변경하는 마이크로폰과, 마이크로폰과 제2 반사판 내부 표면 사이에 이격공간을 형성하는 가이드모듈을 포함한다. According to another embodiment of the present invention, the sound receiver includes a first reflecting plate having a curvature in one direction to reflect sound, and a second reflecting plate having a curvature in the other direction for re-reflecting the sound reflected by the first reflecting plate and , One end is installed in the center of the first reflector, the other end is spaced apart from the second reflector, a microphone that collects sound reflected back from the second reflector and converts it into an electrical signal, and a space between the microphone and the inner surface of the second reflector Includes a guide module forming a.

본 발명의 다른 일실시예에 따르면, 가이드모듈에는 제2 반사판을 관통하여 배치되는 지지부재가 배치되며, 제2 반사판에는 지지부재가 관통되는 슬릿이 형성되며, 지지부재에는 상호 이격된 복수 개의 돌기가 형성되어 제2 반사판(14)의 슬릿과 맞닿는 돌기에 따라 제2 반사판의 경사를 형성한다. According to another embodiment of the present invention, a support member is disposed on the guide module to pass through the second reflecting plate, a slit through which the support member passes is formed in the second reflecting plate, and a plurality of protrusions spaced apart from each other are formed on the support member. is formed to form an inclination of the second reflecting plate according to the protrusion in contact with the slit of the second reflecting plate 14 .

본 발명의 다른 일실시예에 따르면, 제1 반사판의 일측에는 모터가 구비되고, 모터의 회전축은 가이드모듈에 연결되어 모터 구동시 가이드모듈이 회전하며, 음향분석 서버에는 위치 분석부에서 분석된 위치를 검증하는 위치 검증부를 더 포함하며, 위치 검증부는 위치 분석부에서 분석된 위치를 검증하기 위해 모터를 구동시킨다. According to another embodiment of the present invention, a motor is provided on one side of the first reflecting plate, and the rotation shaft of the motor is connected to the guide module so that the guide module rotates when the motor is driven, and the location analyzed by the position analysis unit in the acoustic analysis server It further includes a position verifying unit for verifying, the position verifying unit drives the motor to verify the position analyzed by the position analysis unit.

본 발명의 실시예에 따르면 정상적인 소리와 비정상적인 소리를 비교하여 이상징후를 판단함으로써 신속하고 정확하게 현장내의 안전사고를 미리 파악할 수 있다.According to an embodiment of the present invention, it is possible to quickly and accurately identify a safety accident in the field in advance by comparing the normal sound with the abnormal sound and determining the abnormal symptom.

또한, 본 발명의 실시예에 따르면 건설현장 내에서 사고가 발생하기 전에 붕괴조짐 등 이상 음향 징후를 식별하고 그 음향이 방출되는 위치를 파악함으로써 안전사고를 미연에 방지하거나 즉각적인 대응이 가능하다.In addition, according to an embodiment of the present invention, it is possible to prevent a safety accident in advance or take an immediate response by identifying abnormal acoustic signs such as signs of collapse before an accident occurs within a construction site and identifying the location where the sound is emitted.

나아가 본 발명의 실시예에 따르면, 현장내의 여러 상황들을 실시간 모니터링 함으로써 관리자의 역할까지 기대할 수 있다.Furthermore, according to an embodiment of the present invention, the role of the manager can be expected by monitoring various situations in the field in real time.

도 1은 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 구성도이다.
도 2는 본 발명의 일실시예에 따른 충격음의 파형을 도시한 도면이다.
도 3은 건설 현장의 작업 소음을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 음향 신호를 전처리한 파형을 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 음향신호 학습 방법과 이상징후 분석 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 음향 수신기를 도시한 개념도이다.
도 7은 도 6에 도시된 음향 수신기의 작동상태를 도시한 개념도이다.
도 8은 본 발명의 일실시예에 따른 건설현장 이상징후 감지 방법을 설명하기 위한 흐름도이다.1 is a block diagram of a construction site abnormal symptom detection system according to an embodiment of the present invention.
2 is a diagram illustrating a waveform of an impact sound according to an embodiment of the present invention.
3 is a view for explaining the operation noise of the construction site.
4 is a diagram illustrating a waveform obtained by pre-processing an acoustic signal of a construction site anomaly symptom detection system according to an embodiment of the present invention.
5 is a view for explaining an acoustic signal learning method and an abnormal symptom analysis method of a construction site anomaly symptom detection system according to an embodiment of the present invention.
6 is a conceptual diagram illustrating an acoustic receiver according to an embodiment of the present invention.
7 is a conceptual diagram illustrating an operating state of the sound receiver shown in FIG. 6 .
8 is a flowchart illustrating a method for detecting abnormal signs at a construction site according to an embodiment of the present invention.

이하에서는 첨부한 도면을 참조하여 바람직한 본 발명의 일실시예에 대해서 상세히 설명한다. 다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 또한, 도면에서의 각 구성요소들의 크기는 설명을 위하여 과장될 수 있으며, 실제로 적용되는 크기를 의미하는 것은 아니다.Hereinafter, an exemplary embodiment of the present invention will be described in detail with reference to the accompanying drawings. However, in describing the embodiment, when it is determined that a detailed description of a related known function or configuration may unnecessarily obscure the gist of the present invention, a detailed description thereof will be omitted. In addition, the size of each component in the drawings may be exaggerated for explanation, and does not mean the size actually applied.

도 1은 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 구성도이고, 도 2는 본 발명의 일실시예에 따른 충격음의 파형을 도시한 도면이다.1 is a block diagram of a system for detecting abnormal signs at a construction site according to an embodiment of the present invention, and FIG. 2 is a diagram showing a waveform of an impact sound according to an embodiment of the present invention.

도 3은 건설 현장의 작업 소음을 설명하기 위한 도면이고, 도 4는 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 음향 신호를 전처리한 파형을 도시한 도면이며, 도 5는 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 음향신호 학습 방법과 이상징후 분석 방법을 설명하기 위한 도면이다.3 is a view for explaining the noise of work at a construction site, and FIG. 4 is a view showing a waveform obtained by pre-processing an acoustic signal of an abnormal symptom detection system at a construction site according to an embodiment of the present invention, and FIG. 5 is a view showing the present invention It is a diagram for explaining a method for learning an acoustic signal and an anomaly symptom analysis method of a construction site anomaly symptom detection system according to an embodiment of the present invention.

이후부터는 도 1 내지 도 5를 참조하여 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 구성을 설명하기로 한다.Hereinafter, a configuration of a construction site abnormal symptom detection system according to an embodiment of the present invention will be described with reference to FIGS. 1 to 5 .

도 1을 참조하면 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템은 음향 수신기(10), 음향 분석기(110) 및 음향분석 서버(120)를 포함하여 구성될 수 있다. 이러한 구성 중 음향 수신기(10)는 후술할 위치 검증부(125)와 같이 설명하도록 하며 이하에서는 음향 분석기(110) 및 음향분석 서버(120)에 관하여 구체적으로 설명한다. Referring to FIG. 1 , the system for detecting abnormal signs at a construction site according to an embodiment of the present invention may include an acoustic receiver 10 , an acoustic analyzer 110 , and an acoustic analysis server 120 . Among these components, the acoustic receiver 10 will be described as the position verification unit 125 to be described later, and the acoustic analyzer 110 and the acoustic analysis server 120 will be described in detail below.

음향 분석기(110)는 건설 현장의 음향 신호를 입력 받고, 음향 신호를 전송한다.The acoustic analyzer 110 receives the acoustic signal of the construction site, and transmits the acoustic signal.

예를 들어, 콘크리트 타설 중에는 콘크리트의 측압의 영향으로 거푸집이나 동바리가 붕괴되어 인명피해 또는 물적피해가 발생할 수 있다. 또한, 가시설이 붕괴하지 않더라도 중량에 의해 틈새가 벌어져 콘크리트 누출사고가 발생할 수 있다. 이렇게 콘크리트 타설 중에 발생하는 사고들은 빠른 대처가 필요하지만, 즉각적인 대처를 하기 어렵다. 특히 콘크리트 누출사고에 관한 문제는 상층에서 콘크리트 타설을 하게 되면 아래층에서 일어나고 있는 사고에 대해 전혀 인지하지 못하게 된다.For example, during concrete pouring, due to the influence of the lateral pressure of the concrete, the formwork or pillar may collapse, resulting in personal or material damage. In addition, even if the temporary facility does not collapse, the gap may be widened by the weight and cause a concrete leak accident. Accidents that occur during concrete pouring require a quick response, but it is difficult to take immediate action. In particular, the problem of concrete leak accidents is that when concrete is poured from the upper floor, the accident occurring on the lower floor is not recognized at all.

본 발명의 일실시예에 따르면 음향 신호의 분석을 통해 이와 같은 문제점들을 해결할 수 있다.According to an embodiment of the present invention, such problems can be solved through the analysis of the acoustic signal.

즉, 도 2에 도시된 바와 같은 콘크리트 타설 중에 발생하는 음향의 진폭, 주파수, 파형 또는 패턴의 분석을 통해 문제 발생 상황들을 감지해낼 수 있다.That is, problem occurrence situations can be detected through the analysis of the amplitude, frequency, waveform or pattern of the sound generated during concrete pouring as shown in FIG. 2 .

도 2의 (a)는 일반적인 공사현장 소음상황 속에서 충격음과 파열음을 발생시킨 신호를 도시하고 있으며, 도 2의 (b)는 타설 중에 충격음과 파열음을 발생시킨 신호를 도시하고 있다.Figure 2 (a) shows a signal that generates an impact sound and a burst sound in a general construction site noise situation, and Figure 2 (b) shows a signal that generates an impact sound and a burst sound during pouring.

도 2의 (a)에서는 확실히 충격음과 파열음이 확연하게 구별되는 것을 확인할 수 있으며, 이는 주변소음이 적기 때문에 일반적으로 데시벨이 높은 충격음과 파열음이 확연하게 나타나는 것이다.In FIG. 2(a) , it can be seen that the impact sound and the plosive sound are clearly distinguished, and since the surrounding noise is small, the impact sound and the plosive sound, which are generally high in decibels, are clearly displayed.

도 2의 (b)는 타설 중인 상황으로서, 타설 중에는 매우 큰 소음이 발생하며, 주파수 분석결과 충격음과 파열음이 큰 소음 상황 속에서도 고유의 패턴과 크기를 보여 구별이 가능함을 알 수 있다. 이때, 충격음과 파열음은 일반적인 소음과 다른 임계값을 갖는다는 것도 확인 할 수 있다.2 (b) is a situation during pouring, and very loud noise is generated during pouring, and as a result of frequency analysis, it can be seen that impact and plosive noises show unique patterns and sizes even in noise situations where they can be distinguished. At this time, it can also be confirmed that the impact sound and the plosive sound have different threshold values from the general noise.

아울러, 도 3은 건설 현장의 작업 소음을 설명하기 위한 것으로서, 도 3의 (a)는 정상 소음으로서 레벨 변동이 적고 일정하며, 도 3의 (b)는 변동 소음으로서 레벨이 불규칙하고, 연속적으로 일정한 범위로 변화하여 발생하며, 도 3의 (c)는 연속적인 충격 소음으로서 지속 시간이 극히 짧으며, 도 3의 (d)는 반복 충격 소음으로서 지속 시간이 극히 짧으며, 도 3의 (e)는 간헐 소음으로서 간헐적으로 발생하고 지속 시간이 수초 이상이며, 도 3의 (f)는 분리 충격 소음으로서 발생하는 소음이 각각 독립적으로 분리되어 있으며, 도 3의 (g)는 준정상 충격 소음으로서 일정한 레벨의 소음이 극히 짧은 시간 간격으로 되풀이되어 발생하는 특징을 가지고 있다.In addition, Figure 3 is for explaining the noise of the construction site, Figure 3 (a) is a normal noise level fluctuation is small and constant, Figure 3 (b) is a fluctuating noise level is irregular, continuously It occurs by changing within a certain range, and in Fig. 3 (c) is a continuous impact noise with an extremely short duration, Fig. 3 (d) is a repeated impact noise with an extremely short duration, and Fig. 3 (e) ) is intermittent noise and has a duration of several seconds or more. In Fig. 3 (f), the noise generated as a separate impact noise is independently separated, and Fig. 3 (g) is a quasi-normal impact noise. It has the characteristic that a certain level of noise is repeatedly generated at extremely short time intervals.

이와 같이 다양한 흠향 신호의 분석을 위하여, 본 발명의 일실시예에 따르면, 음향 분석기(110)를 콘크리트 타설층 아래에 설치하여 음향 신호를 획득할 수 있으며, 음향 분석기(110)는 이동이 가능한 휴대형으로 구성되어 타설 구역을 이동하거나 층을 옮겨 용이하게 이동이 가능하도록 구성될 수 있다.In order to analyze various flaw signals as described above, according to an embodiment of the present invention, the acoustic analyzer 110 may be installed under a concrete pouring layer to obtain an acoustic signal, and the acoustic analyzer 110 is a portable, movable type. It can be configured to move the pouring area or move the floor so that it can be easily moved.

보다 구체적으로, 본 발명의 일실시예에 따른 음향 분석기(110)는 음향신호 입력부(111), 메모리부(112), 음향신호 전송부(113) 및 위험 표시부(115)를 포함하여 구성될 수 있다.More specifically, the acoustic analyzer 110 according to an embodiment of the present invention may be configured to include an acoustic signal input unit 111 , a memory unit 112 , an acoustic signal transmission unit 113 , and a risk display unit 115 . there is.

음향신호 입력부(111)는 건설 현장의 음향 신호의 진폭, 주파수, 파형 또는 패턴을 수집하고, 메모리부(112)는 음향 신호를 저장하고, 음향신호 전송부(113)는 저장된 음향 신호를 전송할 수 있다.The sound signal input unit 111 collects the amplitude, frequency, waveform or pattern of the sound signal of the construction site, the memory unit 112 stores the sound signal, and the sound signal transmitter 113 can transmit the stored sound signal. there is.

또한, 위험 표시부(115)는 LED 표시등으로 구성되어 음향분석 서버(120)로부터 이상징후 감지신호를 수신하면 위험을 표시할 수 있다.In addition, the danger display unit 115 is configured as an LED indicator, and when receiving an abnormal symptom detection signal from the acoustic analysis server 120, it can display the danger.

음향분석 서버(120)는 건설 현장의 음향 신호를 수신하고, 수신한 음향 신호를 정상음 또는 사고음 데이터에 비교하여 이상 징후를 감지하며, 보다 구체적으로 음향분석 서버(120)는 음향신호 학습부(121), 이상징후 분석부(122) 및 위치 분석부(123)를 포함하여 구성될 수 있다.The acoustic analysis server 120 receives the acoustic signal of the construction site, compares the received acoustic signal with the normal sound or accident sound data to detect an abnormality, and more specifically, the acoustic analysis server 120 includes the acoustic signal learning unit 121 , it may be configured to include an abnormal symptom analysis unit 122 and a location analysis unit 123 .

음향신호 학습부(121)는 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성할 수 있다.The acoustic signal learning unit 121 may configure a learning algorithm for a normal sound and an abnormal signal by extracting characteristics of the acoustic signal and classifying it by category.

음향 신호는 건설 현장에서 쓰이는 기계 장비들이 서로 다를 수 있으며, 데이터 셋(data set)의 한계로 특정 상황에서만 좋은 성능을 보이는 모델로 학습되는 것을 방지하기 위하여, 각 분류 카테고리에 속하는 데이터의 양을 균형을 맞추어 데이터를 수집할 수 있다.Acoustic signals may be different for mechanical equipment used in construction sites, and due to the limitations of the data set, the amount of data belonging to each classification category is balanced in order to prevent learning as a model that shows good performance only in specific situations. data can be collected according to

또한, 음향신호 학습부(121)는 음향 신호를 모델을 학습하는데 사용하는 트레이닝 셋(Training Set), 유효성을 검사하는데 사용하는 밸리데이션 셋(Validation Set) 및 학습된 모델을 테스트하는 테스트 셋(Test Set)을 이용하여 학습할 수 있다.In addition, the acoustic signal learning unit 121 is a training set that uses the acoustic signal to learn a model, a validation set used to check validity, and a test set for testing the learned model. ) can be used to learn.

이와 같이 음향 신호의 학습을 위해서, 음향신호 학습부(121)는 음향 신호를 이미지로 전처리할 수 있으며, 보다 구체적으로, 음향 신호를 웨이브플롯(Waveplot), 스펙트로그램(Spectrogram) 또는 로그 파워 스펙트로그램(Log power spectrogram)으로 전처리할 수 있다.As such, for learning the sound signal, the sound signal learning unit 121 may preprocess the sound signal into an image, and more specifically, convert the sound signal into a waveplot, spectrogram, or log power spectrogram. (Log power spectrogram) can be pre-processed.

도 4는 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 음향 신호를 전처리한 파형을 도시한 것으로서, 도 4의 (a)는 음향 신호를 웨이브플롯(Waveplot)으로 전처리한 도면이고, 도 3의 (b)는 스펙트로그램(Spectrogram)으로 전처리한 도면이며, 도 4의 (c)는 로그 파워 스펙트로그램(Log power spectrogram)으로 전처리한 도면이다.4 is a view showing a waveform of pre-processing the acoustic signal of the system for detecting anomalies at a construction site according to an embodiment of the present invention, and FIG. 4 (a) is a view of pre-processing the acoustic signal as a waveplot Figure 3 (b) is a view pre-processed with a spectrogram (Spectrogram), Figure 4 (c) is a view pre-processed with a log power spectrogram (Log power spectrogram).

음향신호 학습부(121)는 이와 같이 이미지로 전처리된 데이터로부터 특징을 추출할 수 있다.The acoustic signal learning unit 121 may extract features from the data pre-processed into an image as described above.

도 5를 참조하면, 음향신호 학습부(121)는 음향신호 학습 시에, 입력되는 음향 신호를 특징 추출기(125)를 이용해 특징을 추출하여 정상음과 이상 신호에 대한 학습 알고리즘(126)을 구성한다.Referring to FIG. 5 , the acoustic signal learning unit 121 constructs a learning algorithm 126 for normal sounds and abnormal signals by extracting features from an input acoustic signal using a feature extractor 125 when learning a sound signal. do.

보다 구체적으로, 특징 추출기(125)는 MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 음향 신호의 특징을 추출할 수 있다.More specifically, the feature extractor 125 uses MFCC (Mel frequency cepstral coefficients), chroma STFT (chromagram from a waveform or power spectrogram), melspectrogram (Mel-scaled power spectrogram), spectral contrast or tonnetz (tonal centroid features) using It is possible to extract the characteristics of the acoustic signal.

또 달리, 특징 추출기(125)는 STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 음향 신호의 특징을 추출하도록 구성될 수 있다.Alternatively, the feature extractor 125 may be configured to extract a first feature using STFT, Spectrogram, Mel-filtering, and log power spectrogram, and extract a second feature using a convolution layer to extract features of an acoustic signal. .

즉, 음향신호 학습부(121)는 이와 같이 구성되는 특징 추출기(125)를 이용해 특징을 추출하여 정상음과 이상 신호에 대한 학습 알고리즘(126)을 구성할 수 있다.That is, the acoustic signal learning unit 121 may configure the learning algorithm 126 for the normal sound and the abnormal signal by extracting the features using the feature extractor 125 configured as described above.

한편, 이상징후 분석부(122)는 음향 신호의 특징을 추출하고, 정상음과 이상 신호에 대한 학습 알고리즘을 이용해 구성한 분류 모델을 이용해 음향 신호의 특징을 분석하여 이상 징후를 판단할 수 있다.도 5를 참조하면, 이상징후 분석부(122)는 입력되는 음향 신호를 특징 추출기(125)를 이용해 특징을 추출하고, 추출된 특징을 기준으로 분류 모델(128)을 통해 분류하여, 음향 신호의 분석 및 이상 징후의 감지가 가능하다.On the other hand, the abnormal symptom analysis unit 122 may determine the abnormal symptom by extracting the characteristics of the acoustic signal and analyzing the characteristics of the acoustic signal using a classification model constructed using a learning algorithm for normal sound and abnormal signal. Referring to 5, the anomaly symptom analysis unit 122 extracts features from the input sound signal using the feature extractor 125, classifies it through the classification model 128 based on the extracted features, and analyzes the sound signal and detection of anomalies.

특징 추출기(127)는 MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 음향 신호의 특징을 추출하도록 구성되거나, 또 달리 STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 음향 신호의 특징을 추출하도록 구성될 수 있다.The feature extractor 127 uses MFCC (Mel frequency cepstral coefficients), chroma STFT (chromagram from a waveform or power spectrogram), melspectrogram (Mel-scaled power spectrogram), spectral contrast or tonnetz (tonal centroid features) to characterize the sound signal or alternatively, it may be configured to extract a first feature using STFT, spectrogram, Mel-filtering, and log power spectrogram, and extract a second feature using a convolution layer to extract features of an acoustic signal.

즉, 이상징후 분석부(122)는 이와 같이 구성되는 특징 추출기(127)를 이용해 특징을 추출하고, 정상음과 이상 신호에 대한 학습 알고리즘(126)을 이용해 구성한 분류 모델을 이용해 음향 신호의 특징을 분석하여 이상 징후를 판단할 수 있다.That is, the abnormal symptom analysis unit 122 extracts features using the feature extractor 127 configured as described above, and uses the classification model constructed using the learning algorithm 126 for normal sounds and abnormal signals to characterize the acoustic signal. Analysis can be used to determine abnormalities.

또한, 위치 분석부(123)는 음향 분석기(110)의 위치에 기초하여 이상 징후의 발생 위치를 측정 및 분석할 수 있다.In addition, the position analyzer 123 may measure and analyze the occurrence position of the abnormal symptom based on the position of the acoustic analyzer 110 .

보다 구체적으로, 위치 분석부(123)는 음향 분석기(110)의 설치 위치 좌표와 도래시간차(TDOA; Time Difference Of Arrival) 알고리즘을 적용하여 이상 징후의 발생 위치를 측정 및 분석할 수 있다.More specifically, the location analyzer 123 may measure and analyze the occurrence location of the anomaly by applying the coordinates of the installation location of the acoustic analyzer 110 and the Time Difference Of Arrival (TDOA) algorithm.

이러한 건설현장 이상징후 감지 시스템의 음향신호 입력부(111)에 음향 신호(100)를 전송하는 음향 수신기는 고감도 마이크로폰을 사용할 수 있으나, 일반적으로 건설현장의 경우 수신하고자 하는 음향 신호 외에 노이즈로 처리되는 신호가 존재한다. 따라서 보다 효과적인 음향 신호를 획득하기 위해서는 도 6에 도시된 바와 같은 음향 수신기(10)를 사용하는 것이 바람직하다. The acoustic receiver for transmitting the acoustic signal 100 to the acoustic signal input unit 111 of the construction site anomaly detection system may use a high-sensitivity microphone, but in general, in the case of a construction site, a signal processed as noise other than the acoustic signal to be received exists Therefore, in order to obtain a more effective acoustic signal, it is preferable to use the acoustic receiver 10 as shown in FIG. 6 .

이하에서는 본 발명의 일 실시예에 따른 음향 수신기를 도시한 개념도인 도 6 및 도 6에 도시된 음향 수신기의 작동상태를 도시한 개념도인 도 7을 참조하여 바람직한 음향 수신기(10)에 대하여 설명하겠다. Hereinafter, a preferred acoustic receiver 10 will be described with reference to FIGS. 6 and 7, which are conceptual diagrams illustrating an acoustic receiver according to an embodiment of the present invention, and FIG. 7, which is a conceptual diagram illustrating an operating state of the acoustic receiver shown in FIG. .

도 6에 도시된 바와 같이 음향 수신기(10)는 주변 소음을 차단하고, 특정 방향, 즉 구조물 측에서 전달되는 소리를 수신하기 위해 일측 방향으로 곡률을 구비하여 소리를 반사하는 제1 반사판(12)과, 제1 반사판(12)에서 반사된 소리를 재반사하는 타측 방향으로 곡률를 구비하는 제2 반사판(14)으로 구성된다. As shown in FIG. 6 , the acoustic receiver 10 blocks ambient noise and reflects the sound by having a curvature in one direction in order to receive a sound transmitted from a specific direction, that is, the structure side. and a second reflecting plate 14 having a curvature in the other direction for re-reflecting the sound reflected from the first reflecting plate 12 .

여기서 제2 반사판(14)은 제1 반사판(12)를 통해 유입되는 음향을 증폭하여 전달한다. 제2 반사판(14)에서 증폭되어 유입된 음향은 일단이 제1 반사판(12) 중심부에 설치되며, 타단이 제2 반사판(14)과 이격되어 배치된 마이크로폰(16)에 수집된다. 이때, 마이크로폰(16)과 제2 반사판(14) 내부 표면 사이에 이격공간을 형성하는 가이드모듈(18)이 배치되어 제2 반사판(14)을 통해 유입된 음향이 마이크로폰(16)으로 유입될 수 있도록 구성된다. Here, the second reflecting plate 14 amplifies and transmits the sound introduced through the first reflecting plate 12 . The sound amplified by the second reflecting plate 14 and introduced has one end installed in the center of the first reflecting plate 12 , and the other end is collected by the microphone 16 spaced apart from the second reflecting plate 14 . At this time, the guide module 18 forming a separation space between the microphone 16 and the inner surface of the second reflecting plate 14 is disposed so that the sound introduced through the second reflecting plate 14 can be introduced into the microphone 16 . is configured to

이러한 가이드모듈(18)에는 제2 반사판(14)을 관통하여 배치되는 지지부재(18a)가 배치되며, 제2 반사판(14)에는 지지부재(18a)가 관통되는 슬릿이 형성된다. 이때, 도 6에 도시된 바와 같이 지지부재(18a)에는 상호 이격된 복수 개의 돌기(18b)가 형성되어 도 7과 같이 제2 반사판(14)의 슬릿과 맞닿는 돌기(18b)에 따라 제2 반사판(14)의 경사를 형성할 수 있도록 하여 제1 반사판(12)과 제2 반사판(14)을 통해 유입되는 음향 중 특정 방향의 음향을 차단할 수 있도록 한다. A support member 18a penetrating through the second reflecting plate 14 is disposed on the guide module 18 , and a slit through which the support member 18a passes is formed in the second reflecting plate 14 . At this time, as shown in FIG. 6 , a plurality of protrusions 18b spaced apart from each other are formed on the support member 18a, and according to the protrusions 18b in contact with the slits of the second reflecting plate 14 as shown in FIG. 7 , the second reflecting plate By forming an inclination of (14), it is possible to block the sound in a specific direction among the sound introduced through the first reflecting plate 12 and the second reflecting plate 14 .

여기서 제1 반사판(12)의 일측에는 도 6 및 도 7에 도시된 바와 같이 모터(12a)를 배치하고, 모터(12a)의 회전축을 연장하여 가이드모듈(18)에 연결하여 모터(12a) 구동시 가이드모듈(18)과, 가이드모듈(18)에 배치된 지지부재(18a) 및 제2 반사판(14)을 회전시킬 수 있도록 구성한다. Here, a motor 12a is disposed on one side of the first reflecting plate 12 as shown in FIGS. 6 and 7 , and the rotation shaft of the motor 12a is extended and connected to the guide module 18 to drive the motor 12a. It is configured to rotate the guide module 18 and the support member 18a and the second reflecting plate 14 disposed on the guide module 18 .

앞에서 설명한 바와 같이 위치 분석부(123)은 음향 신호 중 이상 신호의 위치를 도래시간차(TDOA; Time Difference Of Arrival) 알고리즘을 사용하여 도출하며, 도래시간차 알고리즘과 관련하여 LSM(Least Square Method), LS(Taylor Series Method), AML(Approximate Maximun Likelihood Method), TSML(Two-Stage Maximun Likelihood Method) 등 다양한 알고리즘이 개발되고 있으나, 각각의 알고리즘 마다 특정 조건에서 일정한 오차를 갖고 있다. 따라서 위치 분석부(123)에서 분석된 이상 신호의 위치를 검증할 필요가 있다. 이를 위하여 본 실시예에서는 도 6 및 도 7에 도시된 특정 방향의 음향을 차단시킬 수 있는 음향 수신기(10)와 연동하여 위치 분석부(123)에서 분석된 이상 신호의 위치를 검증할 수 있도록 하였으며, 이를 본 발명의 일실시예에 따른 건설현장 이상징후 감지 방법을 설명하기 위한 흐름도인 도 8을 참조하여 설명하겠다. As described above, the position analysis unit 123 derives the position of the abnormal signal among the acoustic signals using a Time Difference Of Arrival (TDOA) algorithm, and in relation to the time difference algorithm, LSM (Least Square Method), LS Various algorithms such as (Taylor Series Method), AML (Approximate Maximun Likelihood Method), and TSML (Two-Stage Maximun Likelihood Method) are being developed, but each algorithm has a certain error under specific conditions. Therefore, it is necessary to verify the position of the abnormal signal analyzed by the position analyzer 123 . To this end, in the present embodiment, the position of the abnormal signal analyzed by the position analyzer 123 can be verified by interworking with the sound receiver 10 capable of blocking the sound in a specific direction shown in FIGS. 6 and 7 . , this will be described with reference to FIG. 8, which is a flowchart for explaining a method for detecting abnormal signs at a construction site according to an embodiment of the present invention.

먼저, 음향 분석기가 건설 현장에 설치된 음향 수신기(10)로부터 건설 현장의 음향 신호를 입력 받아 음향 정보를 수집하고, 음향 신호를 전송한다(S610).First, the acoustic analyzer receives the acoustic signal of the construction site from the acoustic receiver 10 installed in the construction site, collects acoustic information, and transmits the acoustic signal (S610).

또한, 음향분석 서버가 건설 현장의 음향 신호를 수신하고, 음향 신호의 특징을 추출할 수 있으며, 음향분석 서버가 정상음과 이상 신호에 대한 학습 알고리즘을 이용해 구성한 분류 모델을 이용해 추출된 음향 신호의 특징을 분석할 수 있다(S620).In addition, the acoustic analysis server can receive the acoustic signal of the construction site and extract the characteristics of the acoustic signal, A characteristic may be analyzed (S620).

아울러, 음향 신호의 특징의 분석을 위하여, 음향분석 서버는 웨이브플롯(Waveplot), 스펙트로그램(Spectrogram) 또는 로그 파워 스펙트로그램(Log power spectrogram)으로 전처리할 수 있다.In addition, in order to analyze the characteristics of the sound signal, the sound analysis server may preprocess the waveplot, spectrogram, or log power spectrogram.

또한, 음향분석 서버는 MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 음향 신호의 특징을 추출할 수 있으며, 또 달리 특징 추출기는 STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 음향 신호의 특징을 추출하도록 구성될 수 있다.In addition, the acoustic analysis server uses MFCC (Mel frequency cepstral coefficients), chroma STFT (chromagram from a waveform or power spectrogram), melspectrogram (Mel-scaled power spectrogram), spectral contrast, or tonnetz (tonal centroid features) to characterize the sound signal. Alternatively, the feature extractor can be configured to extract the first feature using STFT, spectrogram, Mel-filtering and log power spectrogram, and the second feature using the convolution layer to extract the features of the acoustic signal. can

또한, 음향분석 서버가 음향 분석기의 설치 위치 좌표와 도래시간차(TDOA) 알고리즘을 적용하여 위험 신호의 발생 위치를 측정 및 분석할 수 있다(S530).In addition, the acoustic analysis server may measure and analyze the location of the danger signal by applying the coordinates of the installation location of the acoustic analyzer and the time difference of arrival (TDOA) algorithm (S530).

이렇게 위험 신호의 발생 위치가 분석되면 분석된 결과에 대하여 위치 검증부(125)에서 음향 수신기(10)의 모터(12a)를 구동시켜 분석된 위험 신호의 발생 방향과 상관성이 낮은 방향의 음향을 차단하여 위험 신호의 강도가 낮아지는지를 판단한다. 만일 위험 신호의 강도가 낮아지는 경우에는 위치 분석부(123)에서 분석된 위험 신호의 위치가 잘못 분석될 가능성이 높은 것으로 판단하여 음향 수신기(10) 등의 위치를 다시 설정하여 재분석할 수 있도록 하는 것이 바람직하며, 위험 신호의 강도가 낮아지지 않는 경우 해당 위치가 위험 신호를 발생되는 것으로 판단하여 위험 신호의 발생 위치를 제공하고, 음향 분석기로 이상징후 감지신호를 전송하여, 음향 분석기가 이상징후 감지신호를 수신하여 이상 상황을 저장하고 위험을 표시할 수 있다(S640).When the generation position of the danger signal is analyzed in this way, the position verification unit 125 drives the motor 12a of the acoustic receiver 10 based on the analyzed result to block the sound in a direction having a low correlation with the generation direction of the analyzed danger signal. Thus, it is determined whether the strength of the danger signal is lowered. If the intensity of the dangerous signal is lowered, it is determined that the position of the dangerous signal analyzed by the position analysis unit 123 is highly likely to be incorrectly analyzed, and the position of the acoustic receiver 10 is reset so that it can be re-analyzed. Preferably, if the strength of the danger signal is not lowered, the location determines that the danger signal is generated, provides the location of the occurrence of the danger signal, and transmits the abnormal symptom detection signal to the acoustic analyzer, so that the acoustic analyzer detects the abnormal symptom By receiving the signal, it is possible to store the abnormal situation and display the danger (S640).

아울러, 본 발명의 일실시예에 따르면, 이와 같은 이상징후의 분석을 위하여, 음향분석 서버가 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성할 수 있다.In addition, according to an embodiment of the present invention, for the analysis of such an abnormality, the acoustic analysis server may extract the characteristics of the acoustic signal, classify it by category, and configure a learning algorithm for the normal sound and the abnormal signal.

즉, 음향분석 서버가 음향신호 학습 시에, 입력되는 음향 신호로부터 특징 추출기를 이용해 특징을 추출하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성한다.That is, when the sound analysis server learns the sound signal, the feature extractor is used to extract the features from the input sound signal to configure the learning algorithm for the normal sound and the abnormal signal.

보다 구체적으로, 음향분석 서버의 특징 추출기는 MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 음향 신호의 특징을 추출할 수 있으며, 또 달리 STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 음향 신호의 특징을 추출하도록 구성될 수 있다.More specifically, the feature extractor of the acoustic analysis server uses MFCC (Mel frequency cepstral coefficients), chroma STFT (chromagram from a waveform or power spectrogram), melspectrogram (Mel-scaled power spectrogram), spectral contrast or tonnetz (tonal centroid features). It is possible to extract the characteristics of the acoustic signal using can be configured.

즉, 음향분석 서버는 이와 같이 구성되는 특징 추출기(125)를 이용해 특징을 추출하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성하고, 이와 같이 구성되는 정상음과 이상 신호에 대한 학습 알고리즘을 이용하여 분류 모델을 구성함으로써, 음향 신호의 특징을 분석하여 이상 징후를 판단하도록 할 수 있다.That is, the acoustic analysis server extracts features using the feature extractor 125 configured in this way to configure a learning algorithm for normal sounds and abnormal signals, and uses the learning algorithm for normal sounds and abnormal signals configured in this way. By configuring the classification model, it is possible to analyze the characteristics of the acoustic signal to determine an abnormality.

따라서, 본 발명의 실시예에 따르면 정상적인 소리와 비정상적인 소리를 비교하여 이상징후를 판단함으로써 신속하고 정확하게 현장내의 안전사고를 미리 파악할 수 있으며, 건설현장 내에서 사고가 발생하기 전에 붕괴조짐 등 이상 음향 징후를 식별하고 그 음향이 방출되는 위치를 파악함으로써 안전사고를 미연에 방지하거나 즉각적인 대응이 가능하다.Therefore, according to an embodiment of the present invention, it is possible to quickly and accurately identify a safety accident in the field in advance by comparing the normal sound and the abnormal sound to determine the abnormal symptoms, and abnormal acoustic signs such as signs of collapse before the accident occurs in the construction site It is possible to prevent a safety accident in advance or take immediate action by identifying the sound source and identifying the location where the sound is emitted.

전술한 바와 같은 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였다. 그러나 본 발명의 범주에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능하다. 본 발명의 기술적 사상은 본 발명의 전술한 실시예에 국한되어 정해져서는 안 되며, 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.In the detailed description of the present invention as described above, specific embodiments have been described. However, various modifications are possible without departing from the scope of the present invention. The technical spirit of the present invention should not be limited to the above-described embodiments of the present invention, and should be defined by the claims as well as the claims and equivalents.

10 :음향 수신기
110: 음향 분석기
111: 음향신호 입력부
112: 메모리부
113: 음향신호 전송부
115: 위험 표시부
120: 음향분석 서버
121: 음향신호 학습부
122: 이상징후 분석부
123: 위치 분석부
125: 특징 추출기
126: 학습 알고리즘
127: 특징 추출기
128: 분류 모델10 : sound receiver
110: acoustic analyzer
111: sound signal input unit
112: memory unit
113: sound signal transmission unit
115: hazard indicator
120: acoustic analysis server
121: acoustic signal learning unit
122: abnormal symptom analysis unit
123: location analysis unit
125: feature extractor
126: learning algorithm
127: feature extractor
128: classification model

Claims (10)

복수 개의 음향 수신기에서 건설 현장의 음향 신호를 입력 받고, 상기 음향 신호를 전송하는 음향 분석기; 및
상기 건설 현장의 음향 신호를 수신하고, 상기 수신한 음향 신호를 정상음 또는 사고음 데이터에 비교하여 이상 징후를 감지하는 음향분석 서버;
를 포함하고,
상기 음향분석 서버는,
상기 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 정상음과 이상 신호에 대한 학습 알고리즘을 구성하고,
상기 음향분석 서버는,
상기 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성하는 음향신호 학습부;
상기 음향 신호의 특징을 추출하고, 상기 정상음과 이상 신호에 대한 학습 알고리즘을 이용해 구성한 분류 모델을 이용해 상기 음향 신호의 특징을 분석하여 이상 징후를 판단하는 이상징후 분석부; 및
상기 음향 분석기의 위치에 기초하여 상기 이상 징후의 발생 위치를 측정 및 분석하는 위치 분석부;를 포함하며,
상기 위치 분석부는
복수 개의 상기 음향 수신기에서 입력되는 음향 신호의 도래시간차(TDOA; Time Difference Of Arrival)를 이용하는 것을 특징으로 하는 건설현장 이상징후 감지 시스템.
an acoustic analyzer that receives acoustic signals of a construction site from a plurality of acoustic receivers and transmits the acoustic signals; and
an acoustic analysis server for receiving the acoustic signal of the construction site, and detecting abnormal signs by comparing the received acoustic signal with normal sound or accident sound data;
including,
The sound analysis server,
By extracting the characteristics of the sound signal and dividing it by category, a learning algorithm for the normal sound and the abnormal signal for the normal sound and the abnormal signal is configured,
The sound analysis server,
an acoustic signal learning unit configured to configure a learning algorithm for a normal sound and an abnormal signal by extracting the characteristics of the acoustic signal and classifying it by category;
an abnormal symptom analysis unit that extracts characteristics of the acoustic signal and determines abnormal symptoms by analyzing characteristics of the acoustic signal using a classification model constructed using a learning algorithm for the normal sound and abnormal signal; and
It includes; a position analyzer for measuring and analyzing the occurrence position of the abnormal symptom based on the position of the acoustic analyzer;
The location analysis unit
A construction site anomaly symptom detection system, characterized in that using a Time Difference Of Arrival (TDOA) of the sound signals input from the plurality of sound receivers.
 청구항 1에 있어서,
상기 음향 분석기는,
상기 건설 현장의 음향 신호의 진폭, 주파수, 파형 또는 패턴을 수집하는 음향신호 입력부;
상기 음향 신호를 저장하는 메모리부;
상기 저장된 음향 신호를 전송하는 음향신호 전송부;
상기 음향분석 서버로부터 이상징후 감지신호를 수신하면 위험을 표시하는 위험 표시부;
를 더 포함하는 건설현장 이상징후 감지 시스템.
The method according to claim 1,
The acoustic analyzer,
an acoustic signal input unit for collecting the amplitude, frequency, waveform or pattern of the acoustic signal of the construction site;
a memory unit for storing the sound signal;
a sound signal transmitter for transmitting the stored sound signal;
a risk display unit for displaying a risk when receiving an abnormal symptom detection signal from the acoustic analysis server;
Construction site anomaly detection system further comprising a.
 청구항 1에 있어서,
상기 음향분석 서버는,
상기 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성하는 음향신호 학습부; 및
상기 음향 신호의 특징을 추출하고, 상기 정상음과 이상 신호에 대한 학습 알고리즘을 이용해 구성한 분류 모델을 이용해 상기 음향 신호의 특징을 분석하여 이상 징후를 판단하는 이상징후 분석부;
를 포함하는 건설현장 이상징후 감지 시스템.
The method according to claim 1,
The sound analysis server,
an acoustic signal learning unit configured to configure a learning algorithm for a normal sound and an abnormal signal by extracting the characteristics of the acoustic signal and classifying it by category; and
an abnormal symptom analysis unit that extracts characteristics of the acoustic signal and determines abnormal symptoms by analyzing characteristics of the acoustic signal using a classification model constructed using a learning algorithm for the normal sound and abnormal signal;
Construction site anomaly detection system comprising a.
 청구항 3에 있어서,
상기 음향신호 학습부는,
상기 음향 신호를 모델을 학습하는데 사용하는 트레이닝 셋(Training Set), 유효성을 검사하는데 사용하는 밸리데이션 셋(Validation Set) 및 학습된 모델을 테스트하는 테스트 셋(Test Set)을 이용하여 학습하는 건설현장 이상징후 감지 시스템.
4. The method according to claim 3,
The sound signal learning unit,
More than a construction site learning using the training set (Training Set) that uses the acoustic signal to learn the model, the validation set (Validation Set) used to check the validity, and the test set that tests the learned model sign detection system.
 청구항 3에 있어서,
상기 음향신호 학습부 또는 상기 이상징후 분석부는,
상기 음향 신호를 웨이브플롯(Waveplot), 스펙트로그램(Spectrogram) 또는 로그 파워 스펙트로그램(Log power spectrogram)으로 전처리하는 건설현장 이상징후 감지 시스템.
4. The method according to claim 3,
The acoustic signal learning unit or the abnormal symptom analysis unit,
A construction site anomaly detection system for pre-processing the acoustic signal into a waveplot, a spectrogram, or a log power spectrogram.
 청구항 3에 있어서,
상기 음향신호 학습부 또는 상기 이상징후 분석부는,
MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 상기 음향 신호의 특징을 추출하는 건설현장 이상징후 감지 시스템.
4. The method according to claim 3,
The acoustic signal learning unit or the abnormal symptom analysis unit,
A construction site that extracts the characteristics of the acoustic signal using MFCC (Mel frequency cepstral coefficients), chroma STFT (chromagram from a waveform or power spectrogram), melspectrogram (Mel-scaled power spectrogram), spectral contrast or tonnetz (tonal centroid features) Anomaly detection system.
 청구항 3에 있어서,
상기 음향신호 학습부 또는 상기 이상징후 분석부는,
STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 상기 음향 신호의 특징을 추출하는 건설현장 이상징후 감지 시스템.
4. The method according to claim 3,
The acoustic signal learning unit or the abnormal symptom analysis unit,
A construction site anomaly detection system that extracts the characteristics of the acoustic signal by extracting primary features using STFT, Spectrogram, Mel-filtering, and log power spectrogram, and extracting secondary features using a convolution layer.
 청구항 1에 있어서,
상기 음향 수신기는
일측 방향으로 곡률을 구비하여 소리를 반사하는 제1 반사판과,
상기 제1 반사판에서 반사된 소리를 재반사하는 타측 방향으로 곡률를 구비하는 제2 반사판과,
일단이 상기 제1 반사판 중심부에 설치되며, 타단이 상기 제2 반사판과 이격되어, 상기 제2 반사판에서 재반사되는 소리를 수집하여 전기적 신호로 변경하는 마이크로폰과,
상기 마이크로폰과 상기 제2 반사판 내부 표면 사이에 이격공간을 형성하는 가이드모듈
을 포함하는 건설현장 이상징후 감지 시스템.
The method according to claim 1,
the sound receiver
A first reflecting plate having a curvature in one direction to reflect sound, and
a second reflecting plate having a curvature in the other direction for re-reflecting the sound reflected by the first reflecting plate;
A microphone having one end installed in the center of the first reflecting plate, the other end being spaced apart from the second reflecting plate, collecting the sound reflected back from the second reflecting plate and converting it into an electrical signal;
A guide module for forming a separation space between the microphone and the inner surface of the second reflecting plate
Construction site anomaly detection system comprising a.
 청구항 8에 있어서,
상기 가이드모듈에는 제2 반사판을 관통하여 배치되는 지지부재가 배치되며,
상기 제2 반사판에는 상기 지지부재가 관통되는 슬릿이 형성되며,
상기 지지부재에는 상호 이격된 복수 개의 돌기가 형성되어 상기 제2 반사판의 슬릿과 맞닿는 돌기에 따라 상기 제2 반사판의 경사를 형성
하는 것을 특징으로 하는 건설현장 이상징후 감지 시스템.
9. The method of claim 8,
A support member is disposed on the guide module to pass through the second reflecting plate,
A slit through which the support member passes is formed in the second reflecting plate,
A plurality of protrusions spaced apart from each other are formed on the support member to form an inclination of the second reflecting plate according to the protrusions in contact with the slits of the second reflecting plate
Construction site anomaly detection system, characterized in that.
 청구항 9에 있어서,
상기 제1 반사판의 일측에는 모터가 배치되고,
상기 모터의 회전축은 상기 가이드모듈에 연결되어 상기 모터 구동시 상기 가이드모듈이 회전하며,
상기 음향분석 서버에는
상기 위치 분석부에서 분석된 위치를 검증하는 위치 검증부를 더 포함하며,
상기 위치 검증부는
상기 위치 분석부에서 분석된 위치를 검증하기 위해 상기 모터를 구동시키는 것을 특징으로 하는 건설현장 이상징후 감지 시스템.10. The method of claim 9,
A motor is disposed on one side of the first reflector,
The rotation shaft of the motor is connected to the guide module so that the guide module rotates when the motor is driven,
The sound analysis server
Further comprising a position verification unit for verifying the position analyzed by the position analysis unit,
The location verification unit
Construction site anomaly detection system, characterized in that for driving the motor to verify the position analyzed by the position analysis unit.
KR1020200100393A 2020-08-11 2020-08-11 System for detecting abnormal sign in construction site KR102520819B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200100393A KR102520819B1 (en) 2020-08-11 2020-08-11 System for detecting abnormal sign in construction site

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200100393A KR102520819B1 (en) 2020-08-11 2020-08-11 System for detecting abnormal sign in construction site

Publications (2)

Publication Number Publication Date
KR20220020001A true KR20220020001A (en) 2022-02-18
KR102520819B1 KR102520819B1 (en) 2023-04-11

Family

ID=80495178

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200100393A KR102520819B1 (en) 2020-08-11 2020-08-11 System for detecting abnormal sign in construction site

Country Status (1)

Country Link
KR (1) KR102520819B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102595564B1 (en) * 2023-05-10 2023-10-31 화성엔지니어링 주식회사 Apparatus and method for evaluating the risk of a construction site based on large language model

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0557998U (en) * 1991-11-11 1993-07-30 日本ビクター株式会社 Loudspeaker
JPH07231495A (en) * 1994-02-18 1995-08-29 Hokkaido Univ Sound collection device
KR101188828B1 (en) * 2011-04-08 2012-10-09 백민호 The sound collector which uses on microphon of cassegrain method
KR101768640B1 (en) 2017-04-27 2017-08-16 주식회사 핸디소프트 Traffic accident receiving system and method using Minimum Set of Data
KR20170136200A (en) 2016-06-01 2017-12-11 네이버 주식회사 Method and system for generating playlist using sound source content and meta information
KR20200053093A (en) * 2018-11-08 2020-05-18 성균관대학교산학협력단 Method and system for detecting abnormal sign in construction site

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0557998U (en) * 1991-11-11 1993-07-30 日本ビクター株式会社 Loudspeaker
JPH07231495A (en) * 1994-02-18 1995-08-29 Hokkaido Univ Sound collection device
KR101188828B1 (en) * 2011-04-08 2012-10-09 백민호 The sound collector which uses on microphon of cassegrain method
KR20170136200A (en) 2016-06-01 2017-12-11 네이버 주식회사 Method and system for generating playlist using sound source content and meta information
KR101768640B1 (en) 2017-04-27 2017-08-16 주식회사 핸디소프트 Traffic accident receiving system and method using Minimum Set of Data
KR20200053093A (en) * 2018-11-08 2020-05-18 성균관대학교산학협력단 Method and system for detecting abnormal sign in construction site

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102595564B1 (en) * 2023-05-10 2023-10-31 화성엔지니어링 주식회사 Apparatus and method for evaluating the risk of a construction site based on large language model

Also Published As

Publication number Publication date
KR102520819B1 (en) 2023-04-11

Similar Documents

Publication Publication Date Title
KR102173241B1 (en) Method and system for detecting abnormal sign in construction site
US6170334B1 (en) Continuous monitoring of reinforcements in structures
EP2867641B1 (en) Ultrasonic gas leak detector with false alarm discrimination
US8955383B2 (en) Ultrasonic gas leak detector with false alarm discrimination
US8515676B2 (en) Method and apparatus for assessing the integrity of a rock mass
US20140311245A1 (en) Pipe inspection system and related methods
US20100073163A1 (en) Method and apparatus for monitoring a structure
CN111767897B (en) Rail crack defect identification method based on support vector machine
US11378485B2 (en) Structural monitoring system
CN112985574B (en) High-precision classification identification method for optical fiber distributed acoustic sensing signals based on model fusion
KR102520819B1 (en) System for detecting abnormal sign in construction site
US20180045687A1 (en) Defect analysis device, defect analysis system, defect analysis method, and computer readable recording medium
CA2164315C (en) Continuous monitoring of reinforcements in structures
US20230028676A1 (en) Location determination of deployed fiber cables using distributed fiber optic sensing
CN110346032A (en) A kind of Φ-OTDR vibration signal end-point detecting method combined based on constant false alarm with zero-crossing rate
Wan et al. An automatic pipeline monitoring system using sound information
CN116246661A (en) Carrier roller abnormality identification method based on neural network multi-feature fusion
Dackermann et al. On the use of the cepstrum and artificial neural networks to identify structural mass changes from response-only measurements
CN117008056B (en) Method for determining target sound source based on MEMS
US11698290B2 (en) Contrastive learning of utility pole representations from distributed acoustic sensing signals
Kao et al. Reverse-Engineering an Audio Aggression Detection Algorithm
US20230266196A1 (en) Audio based wooden utility pole decay detection based on distributed acoustic sensing and machine learning
Wan et al. Environmental Surveillance for Disaster Prevention
JP2023538474A (en) Anomaly detection based on statistical image processing to prevent cable breakage
CN114595712A (en) Urban rail neighborhood construction monitoring method and system based on deep neural network

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant