Earticle

초록

영어

This study proposes a real-time method for quantitatively estimating the opening ratio of sluice gates in drainage pumping stations using AI-based image analysis. Conventional monitoring methods, such as visual inspection or sensor-based approaches, are limited by environmental constraints, sensor errors, and subjective judgment. To overcome these limitations, a segmentation-based object detection model, YOLO11m-Seg, is applied to CCTV footage to automatically detect the sluice gate and quantify its opening state. During the initial commissioning stage, images of the fully closed (Ymin) and fully open (Ymax) gate positions are captured with a fixed camera, and the lower edge coordinates are extracted using the trained model. In real-time operation, the current lower Y-coordinate is detected for each frame, allowing the opening ratio to be calculated continuously.

한국어

본 연구는 인공지능 영상분석 기술을 활용하여 배수펌프장 배수통문의 개폐 상태를 정량적으로 분석하 고, 실시간 개도율(開度率, Opening Ratio)을 산정하는 기법을 제시하는 것을 목표로 한다. 기존의 배수통 문 개폐 상태는 현장 작업자에 의한 육안 관찰 또는 수위·압력 센서 기반의 간접적인 방식으로 관리되어 왔으나, 이러한 방법은 현장 환경의 제약과 센서 오차, 시각적 주관성 등의 문제로 인해 실시간·정확한 상태 파악이 어렵다는 한계가 있다. 이를 해결하기 위해 본 연구에서는 최신 객체 인식 기술인 YOLO11m-seg(Segmentation 기반 You Only Look Once 모델)을 적용하여, CCTV 영상 내에서 배수통문의 형태를 자동으로 인식하고 개폐 정도를 정량적으로 계산하는 알고리즘을 구축했다. 우선, 시스템의 초기 보정(commissioning) 단계에서 카메라를 고정한 상태로 수문의 완전 닫힘(Ymin)과 완전 열림(Ymax) 상태를 각각 촬영한 후, 학습된 YOLO11m-seg 모델을 통해 수문의 하단 엣지 좌표를 정밀하게 추출했다. 이후 실시간 영상 프레임마다 현재 수문의 하단 Y좌표(Y)를 검출하여 개도율을 산정했다.

목차

Abstract
Ⅰ. 서론
1. 연구배경
Ⅱ. 대상 지역과 데이터셋 구축
1. 대상 지역 현황
2. 데이터셋 구축
Ⅲ. 학습 및 개도율 계산
1. 배수펌프장 배수통문 영역분할 AI 모델(YOLO11m-Seg)에 이미지 학습
2. 배수펌프장 배수통문 탐지 및 개도율 산정 과정
Ⅳ. 결론
Ⅴ. 향후 연구
감사의 글
References
국문초록

키워드

저자

• Tae Goo Kang [ Researcher, Taeksan, Room 423, Hyundai Knowledge Industrial Center Han River Misa 1st, 550 Misa-daero ] The 1st author
• Sang Young Bae [ CEO, Taeksan, Room 423, Hyundai Knowledge Industrial Center Han River Misa 1st, 550 Misa-daero ] Corresponding Author
• Se Jin Jeung [ Director of Research Institute, Taeksan, Room 423, Hyundai Knowledge Industrial Center Han River Misa 1st, 550 Misa-daero ]
• Byung Sik Kim [ Professor, Department of Department Electronic and AI System Engineering/Graduate School of Disaster Prevention, Kangwon National University, Samcheok 25913, Korea ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국위기관리논집 [Crisisonomy]

• 간기

  월간

• pISSN

  2466-1198

• eISSN

  2466-1201

• 수록기간

  2005~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 350 DDC 351