KCI등재
저비용 드론을 이용한 딥러닝 기반 콘크리트 건축물 안전진단 자동화 시스템 = Deep Learning-Based Safety Inspection Automation System for Concrete Buildings with Low-Cost Drones
저자
발행기관
학술지명
한국차세대컴퓨팅학회 논문지(The Journal of Korean Institute of Next Generation Computing)
권호사항
발행연도
2024
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
94-113(20쪽)
DOI식별코드
제공처
건축물의 안전과 기능 유지를 위한 안전 점검은 건물 노후화 및 관리 미비로 인한 대형 사상 사고를 예방하기 위한 효과적인 대비책이다. 하지만, 현장 방문을 통한 건축물 점검을 정기적으로 수행할 검사원의 수가 제한되고, 검사원의 숙련도와 주관적 평가에 의해 점검 결과가 크게 영향을 받을 수 있는 점은 개선이 필요하다. 본 논문에서는 현행 건축물 안전 점검의 한계와 제약을 개선하기 위해 비용 효율적이며 객관적인 정량 계측이 가능한 안전 점검 자동화 기술을 제안한다. 제안하는 기법은 콘크리트 건축물의 실내 균열 탐지를 목표로 하며, 자율비행 드론을 이용한 현장 조사와 딥러닝 비전 기반의 균열탐지 기법으로 구성된다. 본 논문은 안전점검 활동의 비용 절감을 위해 저가 드론 사용을 제안하며, 고도 유지 및 고정 거리 비행 기능을 통해 실내 환경에서 음영지역 없이 자율적으로 현장 조사를 수행하고 건축물 내부 이미지 및 좌표 정보를 수집하기 위한 알고리즘을 제안한다. 안전 점검 기간 최소화를 위해 적은 수의 이미지로 효과적 균열 탐지가 가능한 DRAEM 딥러닝 모델을 사용하며, 균열 탐지 정확도 개선을 위해 임계치 기반의 픽셀 마스킹 기법을 제안한다. 실 환경에서의 테스트를 통해 제안하는 시스템의 자율적 현장 조사 및 균열 탐지 기능의 정확성을 검증했다.
더보기The safety inspection for guaranteeing the safety and functionality of buildings is an effective measure to prevent hazardous accidents caused by aging and inadequate management of buildings. However, there is a need for improvement as the number of inspectors who perform on-site inspections regularly is limited, and the inspection results can be significantly influenced by the skill level of inspectors and subjective evaluations. In this paper, we propose a cost-effective and objective safety inspection automation system to overcome the limitations and constraints of current building safety inspections. The proposed technique focuses on detecting indoor cracks in concrete structures and consists of on-site investigation using autonomous drones and crack detection using deep learning vision. In this paper we propose the use of low-power drones to reduce the cost of safety inspection activities and propose algorithms for autonomous on-site investigation in indoor environments without shadow areas through altitude maintenance and fixed-distance flight capabilities and collecting images along with their location information. To minimize the inspection time, the proposed system utilizes the DRAEM deep learning model, which allows effective crack detection with a small number of images, and proposes a threshold-based pixel masking technique to improve crack detection accuracy. The proposed system has been validated through tests in real-world environments.
더보기분석정보
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)