KR20230056006A - 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법 - Google Patents

3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법 Download PDF

Info

Publication number
KR20230056006A
KR20230056006A KR1020230049204A KR20230049204A KR20230056006A KR 20230056006 A KR20230056006 A KR 20230056006A KR 1020230049204 A KR1020230049204 A KR 1020230049204A KR 20230049204 A KR20230049204 A KR 20230049204A KR 20230056006 A KR20230056006 A KR 20230056006A
Authority
KR
South Korea
Prior art keywords
safety
safety diagnosis
model
learning
artificial intelligence
Prior art date
Application number
KR1020230049204A
Other languages
English (en)
Inventor
김달주
권영훈
Original Assignee
주식회사 코매퍼
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 주식회사 코매퍼 filed Critical 주식회사 코매퍼
Priority to KR1020230049204A priority Critical patent/KR20230056006A/ko
Publication of KR20230056006A publication Critical patent/KR20230056006A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/36—Videogrammetry, i.e. electronic processing of video signals from a single source or from different sources to give parallax or range information
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0008—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of bridges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0041—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining deflection or stress
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Geometry (AREA)
  • Medical Informatics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Signal Processing (AREA)
  • Computer Graphics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Image Analysis (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

본 발명은 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법에 관한 것으로, 건물, 교량, 터널 등의 각종 시설물에서 크랙, 박리, 박락, 백태 등의 안전상 문제가 되는 부분의 영상을 학습하여 인공지능 학습모델을 생성하고, 상기 생성한 인공지능 학습모델에 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분의 영상을 입력하여 안전문제가 예상되는 부분을 추정할 수 있도록 하는 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법에 관한 것이다.

Description

3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법{APPARATUS FOR ARTIFICIAL INTELLIGENCE BASED SAFETY DIAGNOSIS THROUGH 3D MODEL AND METHOD THEREOF}
본 발명은 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법에 관한 것으로, 더욱 상세하게는 건물, 교량, 터널 등의 각종 시설물에서 크랙, 박리, 박락, 백태 등의 안전상 문제가 되는 부분의 영상을 학습하여 인공지능 학습모델을 생성하고, 상기 생성한 인공지능 학습모델에 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분의 영상을 입력하여 안전문제가 예상되는 부분을 추정할 수 있도록 하는 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법에 관한 것이다.
일반적으로 교량, 터널, 댐, 공동주택 등의 각종 시설물들은 시공 불량이나 시간이 지남에 따라서 크랙, 박리 및 박락, 백태 현상, 누수 등이 발생하게 되며, 이를 장기간 방치해두면 붕괴나 화재 등의 재해가 발생할 우려가 높다. 따라서 이러한 재해의 발생을 예방하기 위해서는 각종 시설물에 대한 정기적인 안전검사가 반드시 필요하다.
상기 안전진단은 재해의 잠재적 위험성, 안전관리상의 문제를 미리 발견하여 산업재해를 방지하기 위해 주기적으로 실시되는 것으로서, 안전진단 결과에 따라 문제점을 보완하거나 수명이 다한 시설물은 안전을 위해 철거한 후 재건축하여야 한다.
하지만, 종래의 안전진단은 전문가가 직접 터널 내부로 들어가거나 교량의 상부에 올라가거나 하부로 내려가 육안으로 확인하고, 이상이 발생한 부분을 스케치하거나 사진으로 촬영하는 방법으로 수행되었기 때문에, 건강상의 위험이 존재하였으며, 작업 난이도가 높은 문제점이 있었다.
또한 전문가가 시설물을 직접 육안으로 확인하는 방식으로는 기둥, 벽 등의 균열과 같은 구조적 결함을 발견하는데 한계가 있었으며, 안전검검을 수행하는 과정에서 시설물 접근을 위한 별도의 장비를 운용하거나, 다른 차량의 운행을 차단하여야 하는 등 교통 흐름에 방해가 되는 문제가 있었다.
그러므로 각종 시설물의 안전진단시 신속하고 정확한 확인 방법의 도입은 물론, 시설물 접근에 제약이 없고 인력의 사용을 최소화할 수 있는 방안의 도입이 필요한 실정이다.
따라서 본 발명에서는 인공지능을 이용하여 안전진단 대상 시설물에 대한 3차원 모델에서 안전문제가 예상되는 부분을 추정함으로써, 안전진단 대상 시설물에 대한 안전진단을 정밀하고 손쉽게 수행할 수 있는 방안을 제시하고자 한다.
특히, 본 발명은 건물, 교량, 터널 등의 각종 시설물에서 문제가 되는 부분의 영상을 학습하여 인공지능 학습모델을 생성하고, 안전진단 대상 시설물에 대한 3차원 모델을 상기 인공지능 학습모델에 입력하여 크랙, 박리, 박락, 백태 등의 안전문제가 예상되는 부분을 추정할 수 있는 방안을 제시하고자 한다.
다음으로 본 발명의 기술분야에 존재하는 선행기술에 대하여 간단하게 설명하고, 이어서 본 발명이 상기 선행기술에 비해서 차별적으로 이루고자 하는 기술적 사항에 대해서 기술하고자 한다.
먼저 한국공개특허 제2020-0143149호(2020.12.23.)는 드론 촬영 영상의 인공지능 분석을 통한 구조물의 안전진단방법에 관한 것으로, 드론을 이용하여 촬영된 영상을 인공지능 기반으로 분석하여 결함을 검출하고 분석하므로 안전진단의 효율성을 크게 향상시킨 드론 촬영 영상의 인공지능 분석을 통한 구조물의 안전진단방법에 관한 것이다.
즉, 상기 선행기술은 카메라가 설치된 드론을 사용하여 구조물에 대한 영상을 촬영하고, 촬영된 영상을 이진화처리하여 균열후보 픽셀을 검출하고, 독립점 등의 노이즈 영역을 제거하고 균열후보 영역을 연결하고, 균열후보 영역을 균열과 비균열로 분류하여 균열을 검출하고, 검출된 균열 영역의 속성을 측정하여 균열의 안전여부를 진단하는 드론 촬영 영상의 인공지능 분석을 통한 구조물의 안전진단방법에 대해 기재하고 있다.
하지만, 본 발명은 각종 시설물에서 문제가 되는 부분의 영상을 학습하여 인공지능 학습모델을 생성하고, 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분의 영상을 상기 인공지능 학습모델에 입력하여 크랙, 박리, 박락, 백태 등의 안전문제가 예상되는 부분을 추정하는 것이므로, 상기 선행기술과 본 발명은 현저한 구성상 차이점이 있다.
또한 한국공개특허 제2021-0001172호(2021.01.06.)는 인공지능을 활용한 빅데이터 기반 ESS 안전진단 시스템에 관한 것으로, 빅데이터 분석 및 기계학습을 통해 ESS 운영시 발생하는 높은 온도, 전압 불안정, 누설전류의 발생으로 인한 화재발생의 잠재적 위험도를 평가하고, 안전 위협 요소를 사전에 식별하여 이를 제거하기 위한 인공지능을 활용한 빅데이터 기반 ESS 안전진단 시스템에 관한 것이다.
즉, 상기 선행기술은 분 단위로 데이터를 클라우드 서버와 로컬 서버에 저장하여, ESS 파손 또는 화재 발생 등으로 누락될 시에도 상태 변화 및 원인 파악을 위한 데이터 제공 가능하고, 전문인력이 부족한 현 상황에 적합하도록 전문가가 현장에 없더라도 클라우드 기반 자동화된 운영 시스템을 접속하여 응급대처가 가능하며, 화재 등의 문제 발생시 알람 및 상태값이 에너지 공단, 소방서 등의 유관기관에 자동으로 전송될 수 있도록 하는 시스템을 구축함으로써, 초동대처가 가능한 인공지능(A.I)을 활용한 빅데이터 기반 ESS 안전진단 시스템을 기재하고 있다.
반면에 본 발명은, 건물, 교량, 터널 등의 각종 시설물에서 문제가 되는 부분의 영상을 학습하여 인공지능 학습모델을 생성하고, 안전진단 대상 시설물에 대한 3차원 모델을 상기 인공지능 학습모델에 입력하여 크랙, 박리, 박락, 백태 등의 안전문제가 예상되는 부분을 추정하는 것이므로, 상기 선행기술과 본 발명은 기술적 구성의 차이점이 분명하다.
본 발명은 상기와 같은 문제점을 해결하기 위해 창작된 것으로서, 인공지능을 이용하여 안전진단 대상 시설물에 대한 3차원 모델에서 안전문제가 예상되는 부분을 추정할 수 있는 장치 및 그 방법을 제공하는 것을 목적으로 한다.
또한 본 발명은 건물, 교량, 터널 등의 각종 시설물에서 문제가 되는 부분의 영상을 학습하여 인공지능 학습모델을 생성하고, 안전진단 대상 시설물에 대한 3차원 모델을 상기 인공지능 학습모델에 입력하여 크랙, 박리, 박락, 백태 등의 안전문제가 예상되는 부분을 추정할 수 있는 장치 및 그 방법을 제공하는 것을 다른 목적으로 한다.
또한 본 발명은 각종 시설물의 각 구성부분에 대한 시계열적인 변화를 학습하여 인공지능 학습모델을 생성하고, 상기 생성한 인공지능 학습모델에 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 분할하여 시계열적으로 입력하여 안전문제가 예상되는 부분을 추정할 수 있는 장치 및 그 방법을 제공하는 것을 또 다른 목적으로 한다.
또한 본 발명은 각종 시설물에 대한 3차원 모델과 인공지능을 이용한 안전검검을 소정의 주기에 따라 정기적으로 업데이트하여 시설물의 노후화 추적, 변이 추적 등을 수행하여 시계열적인 안전진단 분석 자료를 제공할 수 있는 장치 및 그 방법을 제공하는 것을 또 다른 목적으로 한다.
또한 본 발명은 건물, 교량, 터널 등의 각종 시설물에서 문제가 되는 부분의 영상을 학습하여 인공지능 학습모델을 생성하고, 안전진단 전문가가 안전진단 대상 시설물의 현장에서 촬영한 영상으로부터 해당 시설물에 대한 3차원 모델을 확인하고, 상기 확인한 3차원 모델을 상기 인공지능 학습모델에 입력하여 안전문제가 예상되는 부분을 추정할 수 있는 장치 및 그 방법을 제공하는 것을 또 다른 목적으로 한다.
본 발명의 일 실시예에 따른 3차원 모델을 통한 인공지능 기반 안전진단 장치는, 안전상 문제가 되는 부분의 영상을 학습하여 학습모델을 생성하는 학습모델 생성부; 및 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 기설정된 단위로 분할하여 생성한 입력데이터 세트를 상기 생성한 학습모델에 적용하여, 안전상 문제가 되는 부분을 추정하는 안전 진단부;를 포함하는 것을 특징으로 한다.
또한 상기 학습모델 생성부는, 교량, 터널 및 건물을 포함한 각 시설물에 대한 안전상 문제가 되는 부분의 영상을 수집하는 수집부; 상기 수집한 영상에 크랙, 박리, 박락 및 백태를 포함한 안전진단 항목을 레이블링하여 학습데이터를 생성하는 학습데이터 생성부; 및 상기 생성한 학습데이터를 학습하여 안전문제 추정용 학습모델을 생성하는 학습부;를 포함하는 것을 특징으로 한다.
또한 상기 학습모델 생성부는, 안전상 문제가 되는 부분의 시계열적 변화에 대한 영상을 학습하여 학습모델을 생성하는 것을 더 포함하며, 상기 안전 진단부는, 상기 생성한 시계열적 변화에 대한 영상을 학습하여 생성한 학습모델에, 상기 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 기설정된 단위로 분할하여 생성한 시계열적 변화에 대한 입력데이터 세트를 입력하여, 안전상 문제가 되는 부분을 추정하는 것을 더 포함하는 것을 특징으로 한다.
또한 상기 인공지능 기반 안전진단 장치는, 상기 학습모델을 통해서 추정한 안전상 문제가 되는 부분에 대한 안전진단 결과를 생성하고, 상기 생성한 안전진단 결과를 안전진단을 요청한 감독자 단말로 제공하는 안전진단 결과 제공부;를 더 포함하며, 상기 안전진단 결과는, 상기 안전상 문제가 되는 부분으로 추정된 위치 정보, 상기 안전상 문제가 되는 부분의 상태 정보 또는 이들의 조합을 포함하는 것을 특징으로 한다.
또한 상기 인공지능 기반 안전진단 장치는, 안전진단이 요청된 특정 시설물에 대한 3차원 모델을 데이터베이스로부터 로딩하는 3차원 모델 확인부;를 더 포함하며, 상기 3차원 모델 확인부는, 상기 안전진단 대상 시설물의 현장에 위치한 전문가가 촬영한 영상과 데이터베이스에 저장되어 있는 상기 안전진단 대상 시설물에 대한 3차원 모델을 매칭하여 안전진단을 수행할 구성부분을 확인하는 것을 더 포함하며, 상기 안전 진단부는, 상기 3차원 모델 확인부에서 확인한 안전진단을 수행할 구성부분을 기설정된 단위로 분할하여 생성한 입력데이터 세트를 상기 학습모델에 적용하여, 안전상 문제가 되는 부분을 추정하는 것을 더 포함하는 것을 특징으로 한다.
아울러, 본 발명의 일 실시예에 따른 3차원 모델을 통한 인공지능 기반 안전진단 방법은, 인공지능 기반 안전진단 장치에서, 안전상 문제가 되는 부분의 영상을 학습하여 학습모델을 생성하는 학습모델 생성 단계; 및 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 기설정된 단위로 분할하여 생성한 입력데이터 세트를 상기 생성한 학습모델에 적용하여, 안전상 문제가 되는 부분을 추정하는 안전 진단 단계;를 포함하는 것을 특징으로 한다.
또한 상기 학습모델 생성 단계는, 상기 인공지능 기반 안전진단 장치에서, 교량, 터널 및 건물을 포함한 각 시설물에 대한 안전상 문제가 되는 부분의 영상을 수집하는 수집 단계; 상기 수집한 영상에 크랙, 박리, 박락 및 백태를 포함한 안전진단 항목을 레이블링하여 학습데이터를 생성하는 학습데이터 생성 단계; 및 상기 생성한 학습데이터를 학습하여 안전문제 추정용 학습모델을 생성하는 학습 단계;를 포함하는 것을 특징으로 한다.
또한 상기 학습모델 생성 단계는, 상기 인공지능 기반 안전진단 장치에서, 안전상 문제가 되는 부분의 시계열적 변화에 대한 영상을 학습하여 학습모델을 생성하는 것을 더 포함하며, 상기 안전 진단 단계는, 상기 인공지능 기반 안전진단 장치에서, 상기 생성한 시계열적 변화에 대한 영상을 학습하여 생성한 학습모델에, 상기 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 기설정된 단위로 분할하여 생성한 시계열적 변화에 대한 입력데이터 세트를 입력하여, 안전상 문제가 되는 부분을 추정하는 것을 더 포함하는 것을 특징으로 한다.
또한 상기 인공지능 기반 안전진단 방법은, 상기 인공지능 기반 안전진단 장치에서, 상기 학습모델을 통해서 추정한 안전상 문제가 되는 부분에 대한 안전진단 결과를 생성하고, 상기 생성한 안전진단 결과를 안전진단을 요청한 감독자 단말로 제공하는 안전진단 결과 제공 단계;를 더 포함하며, 상기 안전진단 결과는, 상기 안전상 문제가 되는 부분으로 추정된 위치 정보, 상기 안전상 문제가 되는 부분의 상태 정보 또는 이들의 조합을 포함하는 것을 특징으로 한다.
또한 상기 인공지능 기반 안전진단 방법은, 상기 인공지능 기반 안전진단 장치에서, 안전진단이 요청된 특정 시설물에 대한 3차원 모델을 데이터베이스로부터 로딩하는 3차원 모델 확인 단계;를 더 포함하며, 상기 3차원 모델 확인 단계는, 상기 안전진단 대상 시설물의 현장에 위치한 전문가가 촬영한 영상과 데이터베이스에 저장되어 있는 상기 안전진단 대상 시설물에 대한 3차원 모델을 매칭하여 안전진단을 수행할 구성부분을 확인하는 것을 더 포함하며, 상기 안전 진단 단계는, 상기 3차원 모델 확인 단계에서 확인한 안전진단을 수행할 구성부분을 기설정된 단위로 분할하여 생성한 입력데이터 세트를 상기 학습모델에 적용하여, 안전상 문제가 되는 부분을 추정하는 것을 더 포함하는 것을 특징으로 한다.
이상에서와 같이 본 발명의 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법에 따르면, 건물, 교량, 터널 등의 각종 시설물에서 문제가 되는 부분의 영상을 학습하여 인공지능 학습모델을 생성하고, 안전진단 대상 시설물에 대한 3차원 모델을 상기 인공지능 학습모델에 입력하여 크랙, 박리, 박락, 백태 등의 안전문제가 예상되는 부분을 추정함으로써, 종래의 육안 검사로 진행하는 안전진단에 비하여 안전진단 대상 시설물에 대한 안전진단을 정밀하고 손쉽게 수행할 수 있는 효과가 있다.
또한 안전진단 전문가가 현장에서 촬영한 영상을 토대로 해당 시설물에 대한 3차원 모델의 각 구성부분을 확인하고, 상기 확인한 3차원 모델의 각 구성부분의 영상을 사전에 생성해 둔 인공지능 학습모델에 입력하여 안전문제가 예상되는 부분을 추정함으로써, 안전진단을 빠르고 간편하게 수행할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 3차원 모델을 통한 인공지능 기반 안전진단 장치의 사용 환경을 개략적으로 나타낸 개념도이다.
도 2는 본 발명의 일 실시예에 따른 안전문제 추정용 학습모델 생성, 이를 통한 안전진단 대상 시설물에 대한 3차원 모델을 이용한 안전문제 추정 및 안전진단 결과 제공 과정을 설명하기 위한 도면이다.
도 3은 본 발명에 적용되는 안전문제 추정용 학습모델의 생성 과정을 상세하게 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 인공지능 기반 안전진단 장치의 구성을 상세하게 나타낸 도면이다.
도 5는 본 발명에 적용되는 안전문제 추정용 학습모델의 생성과정을 상세하게 나타낸 순서도이다.
도 6은 본 발명의 일 실시예에 따른 3차원 모델을 통한 인공지능 기반 안전진단 방법의 동작과정을 상세하게 나타낸 순서도이다.
이하, 첨부한 도면을 참조하여 본 발명의 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법에 대한 바람직한 실시 예를 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다. 또한 본 발명의 실시 예들에 대해서 특정한 구조적 내지 기능적 설명들은 단지 본 발명에 따른 실시 예를 설명하기 위한 목적으로 예시된 것으로, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는 것이 바람직하다.
도 1은 본 발명의 일 실시예에 따른 3차원 모델을 통한 인공지능 기반 안전진단 장치의 사용 환경을 개략적으로 나타낸 개념도이다.
도 1a에 도시된 바와 같이, 본 발명은 3차원 모델을 통한 인공지능 기반 안전진단 장치(100, 이하, 인공지능 기반 안전진단 장치라 함), 안전진단 감독자 단말(200), 데이터베이스(300) 등을 포함하는 사용 환경에서 운영될 수 있다.
상기 인공지능 기반 안전진단 장치(100)는 각종 시설물의 각 구성부분(예: 교량의 경우 상판과 교각의 연결부분, 용접부분, 체결부분 등의 중요 부위)의 영상을 수집하고, 상기 수집한 영상에 안전문제와 관련된 크랙, 박리, 박락, 백태, 누수 등을 포함한 각종 유형(즉 안전진단 항목을 의미)에 대한 레이블링을 수행하여 학습데이터를 생성한다.
이어서, 상기 생성한 학습데이터를 토대로 학습을 수행하여 안전문제 추정용 학습모델을 생성하고, 상기 생성한 학습모델을 상기 데이터베이스(300)에 저장하여 관리한다.
이때 상기 시설물은 교량, 터널, 빌딩, 공용주택 등 안전진단 점검이 필요한 각종 건축 및 토목물이다.
여기서, 상기 인공지능 기반 안전진단 장치(100)는 상기 안전문제 추정용 학습모델을 생성할 때, 지도학습을 기반으로 생성할 수 있다. 그러나 이에 한정되는 것은 아니고, 비지도학습이나 강화학습을 포함한 다양한 학습방법을 사용하여 상기 안전문제 추정용 학습모델을 생성할 수 있다.
또한 상기 인공지능 기반 안전진단 장치(100)는 상기 수집한 영상을 사전에 설정한 크기(예를 들어, 100x100, 500x500 등의 픽셀 단위)와 동일한 파일 포맷으로 전처리하여 학습데이터로 생성하며, 상기 학습데이터는 시설물의 각 구성부분에 대한 영상과 크랙, 박리, 박락, 백태, 누수 등이 발생한 영상을 접목하여 생성할 수 있다.
또한 인공지능 기반 안전진단 장치(100)는 상기 수집한 각종 시설물의 각 구성부분에 대한 영상에 시계열적인 변화를 레이블링하여 학습데이터를 생성하고, 상기 생성한 학습데이터를 토대로 학습을 수행하여 안전문제 추정용 학습모델을 생성하여 상기 데이터베이스(300)에 저장하여 관리할 수 있다.
또한 상기 인공지능 기반 안전진단 장치(100)는 네트워크를 통해 접속된 상기 안전진단 감독자 단말(200)의 안전진단 요청에 따라 상기 데이터베이스(300)에 저장하여 관리중인 안전문제 추정용 학습모델을 이용하여 안전진단 대상 시설물에 대한 3차원 모델로부터 안전문제가 예상되는 부분을 추정하고, 상기 인공지능 학습모델을 통해 추정한 결과에 대한 분석정보를 상기 안전진단 감독자 단말(200)로 제공할 수 있다. 즉 상기 인공지능 기반 안전진단 장치(100)는 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 사전에 설정된 크기로 분할(예를 들어, 100x100, 500x500 등의 픽셀 단위)한 다음, 이를 상기 안전문제 추정용 학습모델에 입력하여 안전문제가 예상되는 부분을 추정하고, 상기 추정한 결과에 대한 분석정보를 생성하여 감독자에게 제공하는 것이다.
이때 안전진단을 의뢰한 상기 안전진단 감독자 단말(200)로 제공되는 상기 인공지능 학습모델을 통해 추정한 결과에 대한 분석정보는, 해당 시설물의 특정 위치에 크랙, 박리, 박락, 백태, 누수 등의 각종 유형에 대한 안전문제가 발생하였거나 관리자 확인이 필요하다는 내용과 관련된 텍스트, 그래픽, 음성 또는 이들의 조합을 통해 생성한 정보이다. 그리고 상기 분석정보는 안전진단 전문가에 의한 검토나 검수를 거쳐 생성할 수 있으며, 그 이외에 안전문제의 각 유형별 정도에 따른 분석정보를 테이블로 매칭해 두고, 이를 토대로 안전문제의 각 유형에 맞는 결과를 자동으로 추출할 수도 있다.
또한 상기 안전진단 대상 시설물에 대한 3차원 모델은 상기 인공지능 기반 안전진단 장치(100)를 운영하는 사업자 측에서 상기 안전진단 감독자 단말(200)로부터 안전진단 요청을 받은 이후 구축하거나, 사전에 구축하여 상기 데이터베이스(300)에 저장, 관리중인 3차원 모델을 이용할 수 있다.
한편, 상기 인공지능 기반 안전진단 장치(100)는 각종 시설물의 각 구성부분에 대한 시계열적인 변화를 학습하여 안전문제 추정용 학습모델을 생성한 경우, 상기 생성한 학습모델에 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 사전에 설정된 크기로 분할하여 시계열적으로 입력함으로써 안전문제가 예상되는 부분을 추정하고, 상기 추정한 결과에 대한 분석정보를 상기 안전진단 감독자 단말(200)로 제공할 수 있다. 예를 들어, 시계열적인 변화에 따라 안전진단 대상 시설물의 어느 부분이 정상에서 안전문제가 발생할 것으로 추정되는지, 경도에서 중증상태로 변화할 것으로 추정되는지 등을 확인할 수 있는 것이다.
또한 상기 인공지능 기반 안전진단 장치(100)는 각종 시설물에 대한 3차원 모델을 소정의 주기에 따라 정기적으로 업데이트하고, 상기 3차원 모델을 업데이트할 때마다 사전에 생성해 둔 안전문제 추정용 학습모델을 통해서 안전문제의 발생을 추정하여 저장, 관리함으로써, 시설물의 노후화 추적, 변이 추적 등에 대한 시계열적인 안전진단 분석 자료를 상기 안전진단 감독자 단말(200)로 제공하도록 구성할 수 있다.
상기 안전진단 감독자 단말(200)은 각종 시설물에 대한 안전진단을 의뢰한 관리기관이나 발주처의 감독자가 사용하는 스마트폰, 태블릿, PC 등의 통신단말로서, 감독자의 URL 입력을 통한 웹 접속 조작이나 애플리케이션 프로그램의 조작에 따라 네트워크를 통해 상기 인공지능 기반 안전진단 장치(100)에 접속하여 특정 시설물에 대한 인공지능 기반의 안전진단을 요청한다.
또한 상기 안전진단 감독자 단말(200)은 상기 인공지능 기반 안전진단 장치(100)로부터 안전진단 대상 시설물의 안전문제가 예상되는 부분에 대한 분석정보를 제공받아 화면상에 표시함으로써, 감독자가 의뢰한 특정 시설물에 대한 안전문제 발생여부를 일목요연하게 확인할 수 있도록 한다.
상기 데이터베이스(300)는 상기 인공지능 기반 안전진단 장치(100)에서 생성한 안전문제 추정용 학습모델을 저장하고 관리하며, 각종 시설물에 대하여 구축한 3차원 모델을 저장하고 관리한다.
또한 상기 데이터베이스(400)는 상기 안전문제 추정용 학습모델을 이용하여 생성한 각 시설물별 안전진단 결과를 저장하여 관리한다.
한편, 본 발명은 도 1b에 도시된 바와 같이, 안전진단 전문가 단말(400)을 포함한 사용 환경에서 운영될 수 있다.
이 경우 상기 인공지능 기반 안전진단 장치(100)는 건물, 교량, 터널 등의 각종 시설물에서 문제가 되는 부분의 영상을 학습하여 안전문제 추정용 학습모델을 생성해 두고, 안전진단 전문가가 상기 소지한 안전진단 전문가 단말(400)로부터 특정 시설물의 현장에서 각 구성부분을 촬영한 영상을 제공받는다.
또한 상기 인공지능 기반 안전진단 장치(100)는 상기 안전진단 전문가 단말(400)에서 촬영한 영상과 상기 데이터베이스(300)에 저장되어 있는 해당 시설물에 대한 3차원 모델을 매칭하여 상기 촬영한 영상이 상기 시설물에 대한 3차원 모델의 어느 부분인지를 확인한다.
또한 상기 인공지능 기반 안전진단 장치(100)는 상기 확인한 3차원 모델의 각 구성부분을 사전에 설정된 크기로 분할하여 상기 안전문제 추정용 학습모델에 입력함으로써, 안전문제가 예상되는 부분을 추정하고, 상기 추정한 결과에 대한 분석정보를 생성하여 상기 안전진단 감독자 단말(200)로 제공할 수 있다.
다음에는, 안전문제 추정용 학습모델 생성, 이를 통한 안전진단 대상 시설물에 대한 3차원 모델을 이용한 안전문제 추정 및 안전진단 결과 제공 과정에 대해서 도 2를 참조하여 상세하게 설명하고자 한다.
도 2는 본 발명의 일 실시예에 따른 안전문제 추정용 학습모델 생성, 이를 통한 안전진단 대상 시설물에 대한 3차원 모델을 이용한 안전문제 추정 및 안전진단 결과 제공 과정을 설명하기 위한 도면이다.
도 2에 도시된 바와 같이, 본 발명은 안전문제 추정용 인공지능 학습모델 생성 과정, 상기 생성한 안전문제 추정용 인공지능 학습모델을 통한 안전진단 대상 시설물에 대한 3차원 모델을 이용한 안전문제 추정 과정, 및 안전진단 결과 제공 과정을 포함하여 구성된다.
먼저 안전문제 추정용 인공지능 학습모델 생성 과정을 설명하면, 상기 인공지능 기반 안전진단 장치(100)는 교량, 터널, 건물 등의 각종 시설물의 각 구성부분에 대한 영상, 및 크랙, 박리, 박락, 백태, 누수 등의 안전문제가 발생한 영상을 수집한다(①).
이어서 상기 수집한 각 시설물의 각 구성부분에 대한 영상에 안전문제와 관련된 각종 안전문제 유형에 대한 레이블링을 수행하여 학습데이터를 생성하고(②), 상기 생성한 학습데이터를 입력하여 안전문제 추정용 학습 네트워크를 학습함으로써 안전문제 추정용 학습모델을 생성하며(③), 상기 생성한 안전문제 추정용 학습모델을 상기 데이터베이스(300)에 저장한다.
이때 상기 안전문제 추정용 학습모델은 크랙, 박리, 박락, 백태, 누수 등의 각 안전진단 항목별은 물론, 각 시설물별로 생성될 수 있을 것이며, 상기 인공지능 기반 안전진단 장치(100)는 상기 생성한 안전문제 추정용 학습모델을 지속적으로 업데이트하여 상기 데이터베이스(300)에 저장, 관리할 수 있다. 또한 상기 인공지능 기반 안전진단 장치(100)는 각종 시설물의 각 구성부분에 대한 시계열적인 변화를 학습하여 안전문제 추정용 학습모델을 생성할 수도 있다. 이로써 안전문제 추정용 인공지능 학습모델 생성 과정이 완료된다.
이어서 상기 안전문제 추정용 인공지능 학습모델을 통한 안전진단 대상 시설물에 대한 3차원 모델을 이용한 안전문제 추정 과정을 설명하면, 상기 인공지능 기반 안전진단 장치(100)는 네트워크를 통해 접속된 상기 안전진단 감독자 단말(200)로부터 특정 시설물에 대한 안전진단을 요청받고, 상기 요청받은 안전진단 대상 시설물에 대한 3차원 모델을 확인한다(④).
이때 상기 안전진단 대상 시설물에 대한 3차원 모델은 상기 데이터베이스(300)에 저장되어 있거나, 요청을 받은 이후 구축될 수 있다. 또한 상기 안전진단 대상 시설물에 대한 3차원 모델의 확인은 상기 안전진단 전문가 단말(400)에서 촬영한 영상과 기 구축된 해당 시설물에 대한 3차원 모델을 매칭하여 상기 촬영한 영상이 상기 시설물에 대한 3차원 모델의 어느 부분인지를 확인할 수도 있다.
이렇게 안전진단 대상 시설물에 대한 3차원 모델을 확인한 이후, 상기 인공지능 기반 안전진단 장치(100)는 상기 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 사전에 설정한 100x100, 500x500 등의 픽셀 단위로 분할하여 입력데이터 세트를 생성하고(⑤), 상기 생성한 입력데이터 세트를 연속적으로 상기 안전문제 추정용 학습모델에 입력하여 안전문제가 예상되는 부분을 추정한다(⑥).
이때 상기 인공지능 기반 안전진단 장치(100)는 안전진단 대상 시설물의 3차원 모델의 각 구성부분에 대한 시계열적 변화에 대한 영상을 입력데이터 세트로 생성할 수 있으며, 이 경우 시계열적인 변화를 학습하여 생성한 안전문제 추정용 학습모델을 통해서 시계열적 변화에 따른 안전문제가 예상되는 부분을 추정할 수 있을 것이다. 이로써 안전문제 추정 과정이 완료된다.
이어서 안전진단 결과 제공 과정을 설명하면, 상기 인공지능 기반 안전진단 장치(100)는 상기 안전문제 추정용 학습모델을 이용하여 추정한 안전문제 발생에 대한 결과를 토대로 분석정보(즉 안전진단 결과)를 생성하고(⑦), 상기 생성한 분석정보를 네트워크를 통해 상기 안전진단 감독자 단말(200)로 제공한다(⑧). 이로써 안전진단 결과 제공 과정이 완료된다.
다음에는, 상기 안전문제 추정용 학습모델 생성을 도 3을 참조하여 상세하게 설명하고자 한다.
도 3은 본 발명에 적용되는 안전문제 추정용 학습모델의 생성 과정을 상세하게 설명하기 위한 도면이다.
도 3의 (a)에 도시된 바와 같이, 상기 인공지능 기반 안전진단 장치(100)는 각 시설물의 구성부분에 대한 영상에 안전진단 항목 #1(예: 크랙)을 레이블링하여 학습데이터로 생성하고, 상기 학습데이터를 입력으로 학습 네트워크를 학습하고, 상기 학습 네트워크의 최적 파라미터를 도출하여 안전진단 항목 #1에 대한 안전문제 추정용 학습모델을 생성하고, 이를 상기 데이터베이스(300)에 저장한다.
또한 상기 인공지능 기반 안전진단 장치(100)는 상기 안전진단 항목 #1에 대한 안전문제 추정용 학습모델을 생성할 때와 동일한 방식으로, 각 시설물의 구성부분에 대한 영상에 안전진단 항목 #2 내지 #n(예: 박리, 박락, 백태, 누수 등)을 레이블링하여 생성한 학습데이터를 각각 입력으로 학습 네트워크를 학습함으로써, 안전진단 항목 #2 내지 #n에 대한 안전문제 추정용 학습모델을 생성하고, 상기 생성한 안전진단 항목 #2 내지 #n에 대한 안전문제 추정용 학습모델도 상기 데이터베이스(300)에 저장한다.
이때 상기 안전문제 추정용 학습모델은 멀티 태스크를 통해서 동시에 복수의 학습을 수행할 수 있다. 즉 복수의 학습 네트워크를 병렬로 수행하고, 그 결과에 따라 생성된 학습모델을 상기 데이터베이스(300)에 저장할 수 있는 것이다.
한편, 도 3의 (b)에 도시된 바와 같이, 상기 인공지능 기반 안전진단 장치(100)는 각종 시설물의 각 구성부분에 대한 시계열적인 변화에 대한 학습데이터(즉 3차원 좌표와 시간축으로 레이블링된 학습데이터)를 3차원으로 결합하여 구성함으로써, 각 구성부분에 대한 시계열적인 변화를 통해 안전문제를 추정할 수 있는 학습모델을 구성하고, 이를 상기 데이터베이스(300)에 저장할 수 있다.
예를 들어 3차원 좌표가 포함된 데이터 세트에 시간축의 차원을 더 추가하여 시계열적인 변화가 레이블링된 학습데이터를 구성하고, 상기 구성한 학습데이터를 입력으로 하는 학습 네트워크를 학습함으로써, 안전문제 추정용 학습모델을 생성할 수 있도록 한다.
여기서, 상기 안전문제 추정용 학습모델을 생성하기 위하여 학습을 진행하는 학습 네트워크는 CNN(convolution neural network)을 사용할 수 있으며, 상기 CNN은 학습데이터가 입력되는 입력 레이어, 컨볼루션(convolution) 레이어, 풀링(pooling) 레이어 및 완전연관(fully connected) 레이어로 구성된다.
도 4는 본 발명의 일 실시예에 따른 인공지능 기반 안전진단 장치의 구성을 상세하게 나타낸 도면이다.
도 4에 도시된 바와 같이, 상기 인공지능 기반 안전진단 장치(100)는 학습모델 생성부(110), 안전진단 요청 확인부(120), 3차원 모델 확인부(130), 입력데이터 세트 생성부(140), 안전 진단부(150), 안전진단 결과 제공부(160) 등을 포함하여 구성된다.
상기 학습모델 생성부(110)는 안전상 문제가 되는 부분의 영상을 학습하여 안전문제 추정용 학습모델을 생성하고, 상기 생성한 안전문제 추정용 학습모델을 상기 데이터베이스(300)에 저장한다.
또한 상기 학습모델 생성부(110)는 수집부(111), 학습데이터 생성부(112) 및 학습부(113)를 포함하여 구성된다.
상기 수집부(111)는 교량, 터널 및 건물을 포함한 각 시설물에 대한 영상과 상기 각 시설물에서 안전상 문제가 되는 부분의 영상을 수집한다. 즉 각종 시설물의 각 구성부분에 대한 영상은 물론, 크랙, 박리, 박락, 백태, 누수 등이 발생한 영상을 수집하는 것이다.
이때 상기 각 시설물에 대한 영상이나 안전상 문제가 되는 부분의 영상은 시설물을 설계하고 시공한 건설사, 데이터 센터 등으로부터 수집할 수 있으며, 소정의 주기 혹은 요청에 따라 실시간으로 제공받을 수도 있다.
상기 학습데이터 생성부(112)는 상기 수집부(111)에서 수집한 영상에 크랙, 박리, 박락 및 백태를 포함한 안전진단 항목을 레이블링하여 학습데이터를 생성하는 역할을 수행한다.
이때 상기 학습데이터는 인공지능 학습 네트워크에 입력하여 학습을 수행하기 위한 전처리 과정에 의해 마련되는 것으로, 사전에 설정한 크기로 편집하여 생성할 수 있으며, 1차원, 2차원, 3차원 또는 이들이 복수로 결합된 형태를 가질 수도 있다.
상기 학습부(113)는 상기 학습데이터 생성부(112)에서 생성한 학습데이터를 학습 네트워크에 입력하여 상기 학습 네트워크를 학습함으로써, 상기 학습 네트워크의 학습 파라미터를 추출하여 안전문제 추정용 학습모델을 생성하는 역할을 수행한다.
한편, 상기 학습모델 생성부(110)는 안전상 문제가 되는 부분의 시계열적 변화에 대한 영상을 학습함으로써, 안전문제 추정용 학습모델을 생성할 수 있다. 즉 수집한 각 시설물의 각 구성부분에 대한 영상에 시계열적인 변화를 레이블링하여 학습데이터를 생성한 다음, 상기 생성한 학습데이터를 학습하여 안전문제 추정용 학습모델을 생성할 수 있는 것이다.
상기 안전진단 요청 확인부(120)는 네트워크를 통해 접속된 상기 안전진단 감독자 단말(200)로부터 특정 시설물에 대한 안전진단이 요청되는지를 확인하는 역할을 수행한다.
상기 3차원 모델 확인부(130)는 상기 안전진단 요청 확인부(120)에서 확인한 결과 상기 안전진단 감독자 단말(200)로부터 특정 시설물에 대한 안전진단이 요청되면, 안전진단 대상 시설물에 대한 3차원 모델을 상기 데이터베이스(300)로부터 로딩하거나, 또는 3차원 모델을 구축하는 플랫폼에 상기 안전진단 대상 시설물에 대한 3차원 모델의 구축을 요청하여 제공받는다.
한편, 상기 3차원 모델 확인부(130)는 상기 안전진단 대상 시설물의 현장에 위치한 전문가가 상기 안전진단 전문가 단말(400)을 통해 촬영한 영상을 수신하고, 상기 수신한 영상과 상기 데이터베이스(300)에 저장되어 있는 상기 안전진단 대상 시설물에 대한 3차원 모델을 매칭하여 안전진단을 수행할 구성부분을 확인할 수도 있다.
상기 입력데이터 세트 생성부(140)는 상기 3차원 모델 확인부(130)에서 확인한 상기 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 사전에 설정한 소정의 단위로 연속적으로 분할하여 입력데이터 세트를 생성한다. 즉 상기 안전문제 추정용 학습모델에 적용하기 위한 데이터 포맷으로 변환하는 전처리를 수행하는 것이다.
이때 상기 입력데이터 세트 생성부(140)는 상기 3차원 모델을 기 설정된 소정의 단위로 분할하여 입력데이터 세트를 생성할 때, 상기 3차원 모델의 각 구성부분의 기준 좌표(예를 들어, 안전진단을 수행하는 시작점으로서, 3차원 모델상에서 좌측 상단의 좌표가 될 수 있음)로부터 가로 및 세로 방향으로 연속적으로 분할하여 입력데이터 세트를 생성한다.
상기 안전 진단부(150)는 상기 입력데이터 세트 생성부(140)에서 생성한 입력데이터 세트를 상기 학습모델 생성부(110)에서 생성하여 데이터베이스(300)에 저장한 상기 안전문제 추정용 학습모델에 입력하여, 안전상 문제가 되는 부분을 추정하고, 상기 추정한 결과를 안전진단 결과 제공부(160)로 출력한다.
한편, 상기 안전 진단부(150)는 상기 학습모델 생성부(110)에서 안전상 문제가 되는 부분의 시계열적 변화에 대한 영상을 학습하여 안전문제 추정용 학습모델을 생성한 경우, 상기 시계열적인 변화를 학습하여 생성한 안전문제 추정용 학습모델을 통해서 상기 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분의 시계열적 변화에 따른 안전문제가 예상되는 부분을 추정하는 것이 가능하다.
예를 들어, 시계열적인 변화를 학습한 안전문제 추정용 학습모델에, 상기 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분의 시계열적 영상을 입력하여, 정상인지 아니면 안전문제가 발생하는지를 추정할 수 있는 것이다.
또한, 상기 안전 진단부(150)는 상기 3차원 모델 확인부(130)에서 상기 안전진단 대상 시설물의 현장에 위치한 전문가가 촬영한 영상과 상기 데이터베이스(300)에 저장되어 있는 상기 안전진단 대상 시설물에 대한 3차원 모델을 매칭하여 안전진단을 수행할 구성부분을 확인한 경우, 상기 입력데이터 세트 생성부(140)에서 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 기설정된 단위로 분할하여 생성한 입력데이터 세트를 상기 안전문제 추정용 학습모델에 입력하여, 안전상 문제가 되는 부분을 추정하도록 구성할 수 있다.
상기 안전진단 결과 제공부(160)는 상기 안전 진단부(150)를 통해 상기 안전문제 추정용 학습모델을 통해서 추정한 안전상 문제가 되는 부분에 대한 분석정보(즉 안전진단 결과)를 생성하고, 상기 생성한 분석정보를 네트워크를 통해 안전진단을 요청한 상기 안전진단 감독자 단말(200)로 제공한다.
이때 상기 분석정보는 상기 안전상 문제가 되는 부분으로 추정된 위치 정보, 상기 안전상 문제가 되는 부분의 상태 정보 또는 이들의 조합을 포함한 것으로서, 안전진단 대상 시설물의 특정 위치에 크랙, 박리, 박락, 백태, 누수 등의 각종 유형에 대한 안전문제가 발생하였거나 관리자 확인이 필요하다는 내용과 관련된 텍스트, 그래픽, 음성 또는 이들의 조합을 통해 생성한 정보이다.
다음에는, 이와 같이 구성된 본 발명에 따른 3차원 모델을 통한 인공지능 기반 안전진단 방법의 일 실시예를 도 5와 도 6을 참조하여 상세하게 설명한다. 이때 본 발명의 방법에 따른 각 단계는 사용 환경이나 당업자에 의해 순서가 변경될 수 있다.
도 5는 본 발명에 적용되는 안전문제 추정용 학습모델의 생성과정을 상세하게 나타낸 순서도이다.
도 5에 도시된 바와 같이, 상기 인공지능 기반 안전진단 장치(100)는 안전상 문제가 되는 부분의 영상을 학습하여 안전문제 추정용 학습모델을 생성하는 학습모델 생성 단계를 수행한다.
보다 구체적으로 설명하면, 상기 인공지능 기반 안전진단 장치(100)는 교량, 터널 및 건물을 포함한 각 시설물에 대한 영상과, 상기 시설물에서 안전상 문제가 되는 부분의 영상을 수집하는 수집 단계를 수행한다(S110).
이어서, 상기 인공지능 기반 안전진단 장치(100)는 상기 S110 단계를 통해 수집한 영상에 크랙, 박리, 박락 및 백태를 포함한 안전진단 항목을 레이블링하여 학습데이터를 생성하는 학습데이터 생성 단계를 수행하고(S120), 상기 생성한 학습데이터를 학습하여 안전문제 추정용 학습모델을 생성하는 학습 단계를 수행한다(S130).
또한 상기 인공지능 기반 안전진단 장치(100)는 상기 S130 단계를 통해 생성한 상기 안전문제 추정용 학습모델을 상기 데이터베이스(300)에 저장하여 관리한다(S140).
이때 상기 안전문제 추정용 학습모델을 생성하는 S130 단계에서, 상기 인공지능 기반 안전진단 장치(100)는 각 시설물의 안전상 문제가 되는 부분의 시계열적 변화에 대한 영상을 학습함으로써, 안전문제 추정용 학습모델을 생성하는 것을 더 포함하여 구성할 수 있다.
이 경우 상기 인공지능 기반 안전진단 장치(100)는 상기 생성한 시계열적 변화에 대한 영상을 학습하여 생성한 학습모델에, 상기 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분의 시계열적 변화에 대한 입력데이터 세트를 입력함으로써, 안전상 문제가 되는 부분을 추정할 수 있음은 상기 설명한 바와 같다.
한편, 상기 인공지능 기반 안전진단 장치(100)는 상기 안전문제 추정용 학습모델을 생성한 이후, 안전진단이 요청된 특정 시설물의 3차원 모델을 통해서 안전문제 추정 및 안전진단 결과 제공을 수행하게 되는데, 이를 도 6을 참조하여 상세하게 설명하면 다음과 같다.
도 6은 본 발명의 일 실시예에 따른 3차원 모델을 통한 인공지능 기반 안전진단 방법의 동작과정을 상세하게 나타낸 순서도이다.
도 6에 도시된 바와 같이, 상기 인공지능 기반 안전진단 장치(100)는 네트워크를 통해 접속된 상기 안전진단 감독자 단말(200)로부터 특정 시설물에 대한 안전진단이 요청되는지를 판단한다(S210).
상기 S210 단계의 판단결과 상기 안전진단 감독자 단말(200)로부터 특정 시설물에 대한 안전진단이 요청되면, 상기 인공지능 기반 안전진단 장치(100)는 안전진단 대상 시설물에 대한 3차원 모델을 확인하는 3차원 모델 확인 단계를 수행한다(S220). 예를 들어, 상기 인공지능 기반 안전진단 장치(100)는 상기 3차원 모델을 상기 데이터베이스(300)로부터 로딩하거나, 또는 3차원 모델을 구축하는 플랫폼에 상기 3차원 모델의 구축을 요청하여 제공받을 수 있다.
이어서, 상기 인공지능 기반 안전진단 장치(100)는 상기 S220 단계를 통해 확인한 상기 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 사전에 정해진 블록단위(예: 100x100, 500x500 등의 픽셀 단위)로 분할하여 입력데이터 세트를 생성한다(S230).
또한 상기 인공지능 기반 안전진단 장치(100)는 상기 S230 단계를 통해 생성한 입력데이터 세트를 상기 S130 단계를 통해 생성한 안전문제 추정용 학습모델에 입력하여(S240), 안전상 문제가 되는 부분을 추정하는 안전 진단 단계를 수행한다(S250).
상기 S250 단계를 통해 안전진단이 수행된 이후, 상기 인공지능 기반 안전진단 장치(100)는 상기 추정한 안전상 문제가 되는 부분에 대한 안전진단 결과(즉 분석정보)를 생성하고(S260), 상기 생성한 안전진단 결과를 안전진단을 요청한 상기 안전진단 감독자 단말(200)로 제공하는 안전진단 결과 제공 단계를 수행한다(S270). 즉 안전상 문제가 되는 부분으로 추정된 위치 정보, 상기 안전상 문제가 되는 부분의 상태 정보 또는 이들의 조합을 포함한 안전진단 결과를 생성하여, 상기 안전진단 감독자 단말(200)로 제공하는 것이다.
한편, 상기 인공지능 기반 안전진단 장치(100)는 상기 S220 단계를 통해 3차원 모델을 확인할 때, 상기 안전진단 대상 시설물의 현장에 위치한 전문가가 상기 안전진단 전문가 단말(400)을 통해 촬영한 영상을 수신한 후, 상기 수신한 영상과 상기 데이터베이스(300)에 저장되어 있는 상기 안전진단 대상 시설물에 대한 3차원 모델을 매칭하여 안전진단을 수행할 구성부분을 확인할 수도 있다. 이 경우 상기 인공지능 기반 안전진단 장치(100)는 상기 3차원 모델의 각 구성부분을 기설정된 단위로 분할하여 생성한 입력데이터 세트를 상기 안전문제 추정용 학습모델에 입력하여 안전상 문제가 되는 부분을 추정할 수 있다.
이처럼, 본 발명은 각종 시설물에서 문제가 되는 부분의 영상을 학습하여 인공지능 학습모델을 생성하고, 안전진단 대상 시설물에 대한 3차원 모델을 상기 인공지능 학습모델에 입력하여 크랙, 박리, 박락, 백태 등의 안전문제가 예상되는 부분을 추정할 수 있기 때문에, 종래의 육안 검사로 진행하는 안전진단에 비하여 안전진단 대상 시설물에 대한 안전진단을 정밀하고 손쉽게 수행할 수 있다.
또한 안전진단 전문가가 현장에서 촬영한 영상을 토대로 해당 시설물에 대한 3차원 모델의 각 구성부분을 확인하고, 상기 확인한 3차원 모델의 각 구성부분의 영상을 사전에 생성해 둔 인공지능 학습모델에 입력하여 안전문제가 예상되는 부분을 추정할 수 있으므로, 안전진단을 빠르고 간편하게 수행할 수 있다.
이상에서와 같이 본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 기술적 보호범위는 아래의 특허청구범위에 의해서 판단되어야 할 것이다.
100 : 인공지능 기반 안전진단 장치 110 : 학습모델 생성부
111 : 수집부 112 : 학습데이터 생성부
113 : 학습부 120 : 안전진단 요청 확인부
130 : 3차원 모델 확인부 140 : 입력데이터 세트 생성부
150 : 안전 진단부 160 : 안전진단 결과 제공부
200 : 안전진단 감독자 단말 300 : 데이터베이스
400 : 안전진단 전문가 단말

Claims (10)

  1. 안전상 문제가 되는 부분의 영상을 학습하여 학습모델을 생성하는 학습모델 생성부; 및
    안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 기설정된 단위로 분할하여 생성한 입력데이터 세트를 상기 생성한 학습모델에 적용하여, 안전상 문제가 되는 부분을 추정하는 안전 진단부;를 포함하는 것을 특징으로 하는 3차원 모델을 통한 인공지능 기반 안전진단 장치.
  2. 청구항 1에 있어서,
    상기 학습모델 생성부는,
    교량, 터널 및 건물을 포함한 각 시설물에 대한 안전상 문제가 되는 부분의 영상을 수집하는 수집부;
    상기 수집한 영상에 크랙, 박리, 박락 및 백태를 포함한 안전진단 항목을 레이블링하여 학습데이터를 생성하는 학습데이터 생성부; 및
    상기 생성한 학습데이터를 학습하여 안전문제 추정용 학습모델을 생성하는 학습부;를 포함하는 것을 특징으로 하는 3차원 모델을 통한 인공지능 기반 안전진단 장치.
  3. 청구항 1에 있어서,
    상기 학습모델 생성부는,
    안전상 문제가 되는 부분의 시계열적 변화에 대한 영상을 학습하여 학습모델을 생성하는 것을 더 포함하며,
    상기 안전 진단부는,
    상기 생성한 시계열적 변화에 대한 영상을 학습하여 생성한 학습모델에, 상기 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 기설정된 단위로 분할하여 생성한 시계열적 변화에 대한 입력데이터 세트를 입력하여, 안전상 문제가 되는 부분을 추정하는 것을 더 포함하는 것을 특징으로 하는 3차원 모델을 통한 인공지능 기반 안전진단 장치.
  4. 청구항 1에 있어서,
    상기 인공지능 기반 안전진단 장치는,
    상기 학습모델을 통해서 추정한 안전상 문제가 되는 부분에 대한 안전진단 결과를 생성하고, 상기 생성한 안전진단 결과를 안전진단을 요청한 감독자 단말로 제공하는 안전진단 결과 제공부;를 더 포함하며,
    상기 안전진단 결과는,
    상기 안전상 문제가 되는 부분으로 추정된 위치 정보, 상기 안전상 문제가 되는 부분의 상태 정보 또는 이들의 조합을 포함하는 것을 특징으로 하는 3차원 모델을 통한 인공지능 기반 안전진단 장치.
  5. 청구항 1에 있어서,
    상기 인공지능 기반 안전진단 장치는,
    안전진단이 요청된 특정 시설물에 대한 3차원 모델을 데이터베이스로부터 로딩하는 3차원 모델 확인부;를 더 포함하며,
    상기 3차원 모델 확인부는,
    상기 안전진단 대상 시설물의 현장에 위치한 전문가가 촬영한 영상과 데이터베이스에 저장되어 있는 상기 안전진단 대상 시설물에 대한 3차원 모델을 매칭하여 안전진단을 수행할 구성부분을 확인하는 것을 더 포함하며,
    상기 안전 진단부는,
    상기 3차원 모델 확인부에서 확인한 안전진단을 수행할 구성부분을 기설정된 단위로 분할하여 생성한 입력데이터 세트를 상기 학습모델에 적용하여, 안전상 문제가 되는 부분을 추정하는 것을 더 포함하는 것을 특징으로 하는 3차원 모델을 통한 인공지능 기반 안전진단 장치.
  6. 인공지능 기반 안전진단 장치에서, 안전상 문제가 되는 부분의 영상을 학습하여 학습모델을 생성하는 학습모델 생성 단계; 및
    안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 기설정된 단위로 분할하여 생성한 입력데이터 세트를 상기 생성한 학습모델에 적용하여, 안전상 문제가 되는 부분을 추정하는 안전 진단 단계;를 포함하는 것을 특징으로 하는 3차원 모델을 통한 인공지능 기반 안전진단 방법.
  7. 청구항 6에 있어서,
    상기 학습모델 생성 단계는,
    상기 인공지능 기반 안전진단 장치에서, 교량, 터널 및 건물을 포함한 각 시설물에 대한 안전상 문제가 되는 부분의 영상을 수집하는 수집 단계;
    상기 수집한 영상에 크랙, 박리, 박락 및 백태를 포함한 안전진단 항목을 레이블링하여 학습데이터를 생성하는 학습데이터 생성 단계; 및
    상기 생성한 학습데이터를 학습하여 안전문제 추정용 학습모델을 생성하는 학습 단계;를 포함하는 것을 특징으로 하는 3차원 모델을 통한 인공지능 기반 안전진단 방법.
  8. 청구항 6에 있어서,
    상기 학습모델 생성 단계는,
    상기 인공지능 기반 안전진단 장치에서, 안전상 문제가 되는 부분의 시계열적 변화에 대한 영상을 학습하여 학습모델을 생성하는 것을 더 포함하며,
    상기 안전 진단 단계는,
    상기 인공지능 기반 안전진단 장치에서, 상기 생성한 시계열적 변화에 대한 영상을 학습하여 생성한 학습모델에, 상기 안전진단 대상 시설물에 대한 3차원 모델의 각 구성부분을 기설정된 단위로 분할하여 생성한 시계열적 변화에 대한 입력데이터 세트를 입력하여, 안전상 문제가 되는 부분을 추정하는 것을 더 포함하는 것을 특징으로 하는 3차원 모델을 통한 인공지능 기반 안전진단 방법.
  9. 청구항 6에 있어서,
    상기 인공지능 기반 안전진단 방법은,
    상기 인공지능 기반 안전진단 장치에서, 상기 학습모델을 통해서 추정한 안전상 문제가 되는 부분에 대한 안전진단 결과를 생성하고, 상기 생성한 안전진단 결과를 안전진단을 요청한 감독자 단말로 제공하는 안전진단 결과 제공 단계;를 더 포함하며,
    상기 안전진단 결과는,
    상기 안전상 문제가 되는 부분으로 추정된 위치 정보, 상기 안전상 문제가 되는 부분의 상태 정보 또는 이들의 조합을 포함하는 것을 특징으로 하는 3차원 모델을 통한 인공지능 기반 안전진단 방법.
  10. 청구항 6에 있어서,
    상기 인공지능 기반 안전진단 방법은,
    상기 인공지능 기반 안전진단 장치에서, 안전진단이 요청된 특정 시설물에 대한 3차원 모델을 데이터베이스로부터 로딩하는 3차원 모델 확인 단계;를 더 포함하며,
    상기 3차원 모델 확인 단계는,
    상기 안전진단 대상 시설물의 현장에 위치한 전문가가 촬영한 영상과 데이터베이스에 저장되어 있는 상기 안전진단 대상 시설물에 대한 3차원 모델을 매칭하여 안전진단을 수행할 구성부분을 확인하는 것을 더 포함하며,
    상기 안전 진단 단계는,
    상기 3차원 모델 확인 단계에서 확인한 안전진단을 수행할 구성부분을 기설정된 단위로 분할하여 생성한 입력데이터 세트를 상기 학습모델에 적용하여, 안전상 문제가 되는 부분을 추정하는 것을 더 포함하는 것을 특징으로 하는 3차원 모델을 통한 인공지능 기반 안전진단 방법.
KR1020230049204A 2021-01-25 2023-04-14 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법 KR20230056006A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230049204A KR20230056006A (ko) 2021-01-25 2023-04-14 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210010291A KR102568060B1 (ko) 2021-01-25 2021-01-25 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법
KR1020230049204A KR20230056006A (ko) 2021-01-25 2023-04-14 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020210010291A Division KR102568060B1 (ko) 2021-01-25 2021-01-25 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR20230056006A true KR20230056006A (ko) 2023-04-26

Family

ID=82845657

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020210010291A KR102568060B1 (ko) 2021-01-25 2021-01-25 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법
KR1020230049204A KR20230056006A (ko) 2021-01-25 2023-04-14 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020210010291A KR102568060B1 (ko) 2021-01-25 2021-01-25 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법

Country Status (1)

Country Link
KR (2) KR102568060B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102501084B1 (ko) 2022-10-27 2023-02-17 주식회사 지케이정보통신 인공지능 기반 이동 경로 추적을 통한 안전 관리 방법 및 장치

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102114683B1 (ko) * 2018-11-02 2020-06-05 주식회사 에프엠웍스 무인비행장치를 이용한 거대구조물 안전진단 방법, 이를 수행하기 위한 장치 및 기록매체
KR102423579B1 (ko) * 2020-03-12 2022-07-20 이용 3d 모델링 기반 댐 안전 관리를 위한 통합 유지보수 관제 방법 및 시스템
KR102423561B1 (ko) * 2020-03-12 2022-07-21 이용 디지털 트윈 기반 지능형 댐 안전 관리 시스템

Also Published As

Publication number Publication date
KR102568060B1 (ko) 2023-08-18
KR20220107540A (ko) 2022-08-02

Similar Documents

Publication Publication Date Title
KR102229594B1 (ko) 디스플레이 스크린 품질 검출 방법, 장치, 전자기기 및 저장매체
CN109978409B (zh) 一种多工程企业级智慧工地区块链管理方法
CN107193375B (zh) 一种基于虚拟现实的电力安全生产场景交互系统
CN108830837B (zh) 一种用于检测钢包溶蚀缺陷的方法和装置
KR102423579B1 (ko) 3d 모델링 기반 댐 안전 관리를 위한 통합 유지보수 관제 방법 및 시스템
US20140185912A1 (en) Methods and Systems for Enhanced Automated Visual Inspection of a Physical Asset
CN116563969B (zh) 一种设备巡检方法、装置、设备和存储介质
CN112164049A (zh) 一种违建监测方法及装置
KR20230056006A (ko) 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법
CN114548912A (zh) 建筑工程项目管理用全过程追踪方法及系统
JP2021032042A (ja) 構造物の劣化状態診断方法
CN114143220A (zh) 实时数据可视化平台
CN114138741A (zh) 一种历史数据分析平台
CN117830568A (zh) 一种电力元宇宙模型建模系统及其远程维护指导方法
JP2019075078A (ja) 工事現場画像判定装置及び工事現場画像判定プログラム
Naticchia et al. Mixed reality approach for the management of building maintenance and operation
CN114339155B (zh) 抓拍漏洞路线确定方法和相关装置
CN115982824A (zh) 施工现场工人空间管理方法、装置、电子设备及存储介质
CN115185792A (zh) 故障硬件处理方法、装置和系统
JP2019074774A (ja) 工事現場画像判定装置及び工事現場画像判定プログラム
Lowin et al. From physical to virtual: leveraging drone imagery to automate photovoltaic system maintenance
CN114359479A (zh) 一种基于bim模块化建模的建筑信息录入的建模方法
Wang et al. Image Recognition Technology and Digital Twin in the Power Industry
CN114615344B (zh) 一种电力仪表智能规约转换方法与装置
CN117692610B (zh) 一种ar车间巡检系统

Legal Events

Date Code Title Description
A107 Divisional application of patent