CNN 기반 균열 이미지 왜곡 보정 자동화 방법 = An automated image rectification method using Convolutional Nerual Network(CNN) for crack image
저자
발행사항
서울 : 한양대학교 대학원, 2021
학위논문사항
학위논문(석사)-- 한양대학교 대학원 : 건축공학과 2021. 8
발행연도
2021
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
v, 41 p. : 삽도 ; 26 cm.
일반주기명
권두 국문요지, 권말 Abstract 수록
지도교수: 김주형
참고문헌: p. 27-29
UCI식별코드
I804:11062-200000499900
소장기관
The damage inspection methods for concrete detection task has been
automated using digital image processing method such as image
processing, machine learning and deep learning. Since it is important to
obtain frontal crack images to reach a reliable accuracy with less training
data and time for collection, correcting the distorted images of crack have
been still achieved manually in many studies. However, this process is
time consuming and labour-intensive. In this research, a method to
automatically rectify the distorted images on concrete crack based on CNN
(Convolutional Neural Network). CNN algorithm for a single-distorted
crack image is applied with a pixel loss minimization algorithm and a
resampling method to improve the accuracy of the rectified image. For
evaluation of proposed method, Faster R-CNN-based crack detection is
applied in distorted and rectified images respectively. As a result, the
accuracy of loss function 0.1 is reduced and the learning time was 15%
compared to the distortion of existing images.
건축물의 노후화에 따라 발생하는 건축물 표면의 균열은 건축물의 안정성에 많은 영향을 줄 수 있기 때문에 균열을 검출하는 작업은 매우 중요하다. 이에 현재까지는 작업자가 수동으로 균열 검출을 진행하여 왔지만, 이는 주관성으로 인한 신뢰도 하락, 많은 비용과 시간 소모, 작업자의 안전관리 등의 문제를 야기하였다. 이를 극복하기 위하여 이미지 프로세싱(image processing), 머신 러닝(machine learning), 딥 러닝(deep learning)과 같은 디지털 이미지 처리 기법을 활용한 균열 검출 자동화에 대한 연구가 진행되어 왔다.
디지털 이미지 처리기법 기반 자동 균열 검출 방법은 공통적으로 사진의 입출력, 디지털화를 위한 전처리, 분할, 균열 검출의 과정으로 이루어진다. 위 과정 중 전처리작업인 이미지의 왜곡 보정은 동일한 균열 검출 정확도를 얻기 위해 필요한 학습 시간과 데이터의 개수를 감소시키기 위하여 필수적으로 요구된다. 그러나 기존의 균열 검출 자동화에 대한 연구들은 수동으로 이미지의 왜곡 보정 작업을 진행한 후 균열 검출을 진행하였고, 이는 숙련된 작업자와 많은 시간 소모를 필요로 하는 한계점이 존재하였다. 이에 균열 이미지의 왜곡 보정 작업의 자동화가 필요하다.
건축물에서 발생하는 균열 이미지의 경우, 현장의 다양한 조건(장애물, 조도, 명암도, 촬영 각도 등)에 의하여 이미지의 왜곡 변수와 특징이 균일하지 않게 발생하기 때문에, 컴퓨터가 학습을 통해 이미지의 왜곡 변수와 특징을 분석할 수 있는 딥 러닝(deep learning)방법을 활용하여 이미지의 왜곡 보정 자동화를 진행하여야 한다.
따라서 본 논문에서는 딥 러닝(deep learning) 방법 중 2차원 이미지의 분석에서 높은 정확도와 빠른 속도의 장점을 가지고 있는 CNN(Convolutional Neural Network)을 기반으로 균열 이미지의 왜곡을 자동으로 보정하는 방법에 대한 연구를 진행하였다. 균열 이미지와 유사한 이미지 데이터를 활용하여 사전 학습 모델 구축한 GeoNet 왜곡 보정 자동화 알고리즘을 활용하여 균열 이미지의 왜곡 보정 자동화를 수행하였다. SDNET 2018의 공개 데이터(open data)를 활용하여 균열 이미지 데이터 세트를 구성하였고, 최적 하이퍼 파라미터(hyper parameter) 조합을 도출하여 균열 이미지 왜곡 보정 자동화를 위한 학습 환경을 설정하였다. 또한 왜곡이 보정된 균열 이미지의 균열 검출 성능을 정확하게 분석하기 위하여 Faster R-CNN기반 자동 균열 검출 방법을 활용하였다. Faster R-CNN 알고리즘 적용을 위해 균열 이미지 데이터세트에 라벨링 작업을 진행하여 XML데이터 세트를 추가적으로 구성하였고, 최적 하이퍼 파라미터(hyper parameter)조합을 도출하여 학습 환경을 설정하였다. 그 결과, 균열 이미지의 왜곡 보정 자동화 방법을 통해 균열 이미지에서 발생한 접선 왜곡이 성공적으로 보정되었음을 확인할 수 있었다. 그리고 왜곡 균열 이미지와 왜곡이 보정된 균열 이미지의 균열 검출 성능 분석 결과 왜곡이 보정된 균열 이미지 데이터세트가 왜곡이 발생한 균열 이미지데이터세트에 비해 손실함수(오류율)는 0.1이 감소하였고, 학습 시간은 15% 감소하였다. 따라서 본 연구의 균열 이미지 데이터와 이미지 왜곡 보정 자동화 알고리즘을 이용한 본 연구의 균열 이미지 왜곡 보정 자동화 방법은 균열 검출 자동화 방법에서의 동일한 균열 검출 정확도를 얻기 위해 필요한 시간 단축과 오류율 감소에 활용할 수 있을 것이다.
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)