Earticle

초록

영어

Various defects occur in concrete structures due to internal and external environments. If there is a defect, it is important to efficiently identify and maintain it because there is a problem with the structural safety of concrete. However, recent deep learning research has focused on cracks in concrete, and studies on exfoliation and contamination are lacking. In this study, focusing on exfoliation and contamination, which are difficult to label, four models were developed and their performance evaluated through unlabelling method, filtering method, the convergence of transfer learning based k-means clustering. As a result of the analysis, the convergence model classified the defects in the most detail and could increase the efficiency compared to direct labeling. It is hoped that the results of this study will contribute to the development of deep learning models for various types of defects that are difficult to label in the future.

한국어

콘크리트 구조물은 대내외적 환경에 의해 다양한 결함이 발생한다. 결함이 있는 경우 콘크리트의 구조적 안전 성에 문제가 있어 이를 효율적으로 파악하여 유지관리하는 것이 중요하다. 하지만, 최근 딥러닝 연구는 콘크리트의 균열에 초점이 맞추어져 있어, 박락과 오염 등에 대한 연구는 부족하다. 본 연구에서는 라벨링이 어려운 박락과 오염 에 초점을 맞추어 언라벨 방법, 필터링 방법, 전이학습과 k-means cluster의 융합을 통한 4개의 모델을 개발하고 성 능을 평가하였다. 분석결과, 융합모델이 결함을 가장 세밀하게 구분하였으며, 직접 라벨링을 하는 것보다 효율성을 증 가시킬 수 있었다. 본 연구 결과가 향후 라벨링이 어려운 다양한 결함 유형에 대한 딥러닝 모델 개발에 기여할 수 있 기를 기대한다.

목차

요약
Abstract
I. 서론
II. 연구방법
1. 연구 동향
2. 데이터 구축
3. 연구 방법 및 분석 절차
III. 연구결과
1. 결함 영상의 라벨링 한계
2. 모델별 학습 및 예측 결과 분석
IV. 결론
References

키워드

콘크리트 박락 오염 결함 탐지 전이학습 k-평균 군집화 Concrete Spalling Contamination Defect detection transfer learning K-means clustering

저자

• 윤영근 [ Younggeun Yoo | 정회원, 인천대학교 안전공학과 연구원 ] 제1저자
• 오태근 [ Taekeun Oh | 정회원, 인천대학교 안전공학과 교수 ] 교신저자

참고문헌

발행기관

간행물