딥러닝 기반 객체 검출 기술을 이용한 지능형 시공 검측 모델 개발 = Development of intelligent construction inspection model using deep learning-based object detection technology
저자
발행사항
천안 : 한국기술교육대학교 일반대학원, 2021
학위논문사항
학위논문(석사)-- 한국기술교육대학교 일반대학원 : 건축공학과 건축공학전공 2021. 8
발행연도
2021
작성언어
한국어
주제어
발행국(도시)
충청남도
형태사항
79 ; 26 cm
일반주기명
지도교수: 최재현
UCI식별코드
I804:44013-200000509369
소장기관
The digitalization of the construction industry can be considered as an effective way to improve the productivity and growth rate of the construction industry. The digital transformation of the construction industry can be achieved based on the support of advanced technologies such as big data, artificial intelligence, and unmanned aerial vehicles which is expected to take place throughout the entire construction range from design to construction and maintenance.
Therefore, if the advanced technology is applied to the construction stage where the inspection work is relying only on the existing manpower, the time and cost incurred by the existing inspection method can be effectively reduced.
In this study, we propose an intelligent construction detection model that can support the construction detection automation in the construction stage by using deep learning-based object detection technology, which is known as one of artificial intelligence.
First, the image data for the construction inspection is collected, and an appropriate input dataset is built into the model through image pre-processing. The image dataset for model training was obtained through labeling and image enhancement of the collected data.
Prior to the object detection algorithm based on deep learning of Faster R-CNN, RetinaNet, and YOLOv3, the previously built image dataset was trained to compare and analyze the performance of the algorithms. As a result of the analysis, YOLOv3, which has the fastest detection speed, was selected as the object detection algorithm of this study to enable real-time detection in the construction inspection stage.
Finally, to improve the performance of YOLOv3, which lacks accuracy, a transfer learning technique was used, and the accuracy mAP of the model was improved by 22.85% through transfer learning.
In this study, it was decided whether to fasten T/S high-tension bolts, which are increasing in usability among the construction inspection targets.
In this study, it is possible to overcome the manpower access limit of the existing inspection task, if the proposed intelligent inspection model is applied to the construction site. In addition, it is expected to be able to automate various inspection tasks as the visual assistant role of the inspection supervisor.
최근 4차 산업의 첨단기술들의 발전으로 건설업의 설계, 시공, 유지관 리까지 건설 전 단계에 걸쳐 디지털화가 이루어지고 있다. 특히, 인력중 심인 시공단계에서는 사람을 대신하는 인공지능 또는 항공 무인체를 기반으로 시공자동화의 개발이 활발히 이루어지고 있다. 본 연구에서는 이러한 인공지능을 통한 자동화 기술을 시공검측에 적용하고자 한다. 현재검측 업무는 검측 관리자의 육안을 통한 전수검사(육안검사, 외관검사)가대부분의 공종에서 흔히 이루어지고 있다. 이와 같은 현재 검측 방식은건축물이 대형화, 복잡화 될수록 인력에 의해 수행되기가 어려워진다.
본 연구에서는 인공지능의 하나인 딥러닝 기반 객체 검출 기술을 활용하여 시공단계에서 시공 검측 업무를 지원할 수 있는 지능형 시공 검측모델을 제안한다. 먼저, 시공 검측에 대한 이미지 데이터를 수집하고 이미지 전처리를 통해 모델에 적절한 입력 dataset을 구축한다. 수집한 데이터의 레이블링(labeling) 및 이미지 증강을 하여 모델 학습을 위해 필요한 이미지데이터를 확보하였다. Faster R-CNN과 RetinaNet, YOLOv3의 딥러닝 기반의 객체 검출 알고리즘에 앞서 구축한 이미지 dataset을 학습시켜 알고리즘간의 성능을 비교 분석하였다. 분석 결과 시공검측단계에서 실시간으로 검측이 가능하도록 검출속도가 가장 빠른 YOLOv3를본 연구의 객체 검출 알고리즘으로 선정하였다. 마지막으로 정확성이 부족한 YOLOv3의 성능 향상을 위해 전이학습(Transfer Learning)기법을활용하였으며, 전이학습을 통해 모델의 정확도 mAP를 22.85% 향상시켰다.
본 연구에서 제안하는 지능형 검측 모델은 시공현장에 적용 시 기존의 검측업무의 인력 접근한계를 극복하고 검측관리자의 시각적 보조역할로 다양한 검측 업무를 자동화 할 수 있을 것으로 기대된다.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)