Earticle

초록

영어

The recently enacted "Detailed Guidelines for Performance Evaluation of Track Facilities" specify standardized evaluation procedures and implementation frameworks. However, in practice, damage grading still relies heavily on the qualitative judgment of inspectors through visual inspection, leading to issues with subjectivity and consistency. To address these limitations, this study evaluates the field applicability of a deep learning-based mobile application designed for diagnosing rail defects. Leveraging image datasets of rail surface and internal (SEM) damage obtained from previous research, Fast R-CNN and Faster R-CNN+EfficientNetV2 models were trained, and their operational performances were comparatively analyzed within the application environment. This smart device-based diagnostic tool utilizes AI models to detect and quantify the scale of rail surface degradation. As a result of the analysis, Faster R-CNN+EfficientNetV2 model outperformed the conventional Fast R-CNN, achieving a 5% higher accuracy rate and demonstrating superior diagnostic capabilities. Consequently, this study confirms the suitability of the proposed technology for field deployment. The application was found to minimize human error by ensuring uniform and objective data collection, even when inspections were conducted by different individuals.

한국어

최근 제정된 궤도시설 성능평가 세부지침은 구체적인 평가 절차와 수행 방안을 명시하고 있으나, 현장 실무에서는 여전히 점검자의 육안에 의존한 정성적 판단으로 손상 등급이 결정되는 한계가 있는 실정이다. 이에 본 논문은 딥러닝 기반의 전용 애플리케이션을 활용하여 레일 결함을 진단하는 방식의 현장 적용성을 검증하였다. 기존 연구를 통해 확보한 레일표면손상 이미지 및 레일내부손상(SEM) 이미지 데이터를 Fast R-CNN과 Faster R-CNN+EfficientNetV2 알고리즘에 학습시켰으며, 이를 탑재한 앱의 현장 적용성을 상호 비교하였다. 스마트 기기에서 작동하는 진단 앱은 인공지능 모델을 통해 레일 표면의 손상 규모를 진단한다. 본 연구에서는 실제 현장 적용성을 확인하고자 특정 실증 구간 내 3개 지점을 선정하였으며, 총 3대의 스마트폰을 투입하여 레일 열화 상태를 측정하였다. 분석 결과, Faster R-CNN 에 EfficientNetV2를 결합한 모델이 기존 Fast R-CNN 대비 약 5%의 정확도가 높으며 진단 역량이 우수한 것으로 나타났다. 따라서 본 기술의 현장 도입 적정성이 입증되었으며, 점검자가 개별적으로 검측을 수행하더라도 편차 없는 균일한 데이터를 도출함으로써 인적 오류를 최소화하는 것으로 분석되었다.

저자

• 방효철 [ Hyo-Chul Bang ]
• 최정열 [ Jung-Youl Choi ]
• 정지승 [ Jee-Seung Chung ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  The Journal of the Convergence on Culture Technology (JCCT) [문화기술의 융합]

• 간기

  격월간

• pISSN

  2384-0358

• eISSN

  2384-0366

• 수록기간

  2015~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 600 DDC 700