Earticle

초록

한국어

하수관로 결함 진단은 최근 노후화된 시설물의 급격한 증가에 따라 빅데이터와 인공지능 기술을 활용한 자동화 기술의 필요성이 증가되고 있다. 기존의 하수관로 점검은 소수의 전문가에 의해 육안으로 이뤄지며 이에 따라 오진단 및 시간과 비용이 급격하게 증가되는 비효율적인 시스템이다. 본 논문에서는 하수관 CCTV 영상을 빅데이터 및 딥러닝 기술 기반으로 결함을 효율적으로 진단하는 결함 분류 프레임워크를 제안한다. RegNet 모델을 기반으로 최적화를 수행하여 하수관로의 결함 유형을 자동 분류하여 신속한 점검과 정비를 통한 하수관로 유지/보수의 효율성 및 경제성에 기여한다.

목차

요약
1. 서론
2. 본론
2.1. 데이터 셋 수집 및 데이터 분류
2.2. 실험환경
3. 실험결과
4. 결론
참고문헌

저자

• 박상민 [ 세종대학교 컴퓨터공학과 ]
• 이가나 [ 성균관대학교 스포츠인터렉션사이언스학과 ]
• 신지혜 [ 세종대학교 인공지능학과 ]
• 김윤재 [ 세종대학교 컴퓨터공학과 ]
• 심태용 [ 세종대학교 컴퓨터공학과 ]
• 문현준 [ 세종대학교 컴퓨터공학과 ] 교신저자

참고문헌