Earticle

초록

영어

Various pipes are buried in the city as needed, such as water pipes, gas pipes and hydrogen pipes. As the time passes, buried pipes becomes aged due to crack, etc. these pipes has the risk of accidents such as explosion and leakage. To prevent the risks, many pipes are repaired or replaced, but the location of the pipes can also be changed. Failure to identify the location of the altered pipe may cause an accident by touching the pipe. In this paper, we propose a method to detect buried pipes by gathering the GPR images by using GPR and Learning with Faster R-CNN. Then experiments was carried out by raw data sets and data sets augmentation applied to increase the amount of images.

한국어

도심지에는 상ㆍ하수관로, 가스관, 수소관 등 필요에 따라 여러 가지 배관이 매설된다. 매설된 배관은 시간이 경과됨 에 따라 균열 등으로 노후화되면서 폭발, 누수 등의 사고 발생 위험을 가지게 된다. 이러한 위험을 방지하기 위해 많은 노후 배관 수리, 교체되지만, 배관의 위치 또한 변경될 수 있다. 변경된 배관의 위치를 확인하지 못하면 배관을 건드려서 사고가 발생할 수 있다. 본 논문에서는 GPR을 사용하여 지하 단면 영상을 얻고, Faster R-CNN을 활용하여 지하 배관의 위치를 추정해보고, augmentation을 적용하여 부족한 데이터를 늘려서 실험을 진행하였다.

목차

요약
Abstract
1. 서론
2. 관련연구
2.1 Ground Penetrating Rader (GPR)
2.2 Faster R-CNN
2.3 VGGNet
2.4 Data augmentation
3. 실험
3.1 실험모델
3.2 실험환경
3.3 실험 데이터
3.4 실험방법
4. 결론 및 향후연구
REFERENCES

키워드

지하 배관 Faster R-CNN 지표 투과 레이더 딥러닝 VGGnet 어그멘테이션 Buried pipelines Faster R-CNN GPR Deep learning VGGnet Augmentation

저자

• 고형용 [ Hyoung-Yong Ko | 경기대학교 컴퓨터과학과 학생 ]
• 김남기 [ Nam-gi Kim | 경기대학교 컴퓨터과학과 교수 ] Corresponding author

참고문헌

발행기관

간행물