Earticle

초록

영어

Railway rails are continuously exposed to environments where rolling contact fatigue (RCF) cracks can frequently develop at the wheel-rail interface, making precise inspection and diagnosis imperative to prevent catastrophic rail fractures. Although detailed guidelines for the performance evaluation of track facilities have recently been established, the diagnosis and grading of rail surface damage still predominantly rely on visual inspections, which are inherently susceptible to the subjective judgment of inspectors. To address this, this study proposes a hybrid deep learning model that integrates Faster R-CNN with the high-performance backbone network, EfficientNetV2, to accurately detect surface defects and infer potential internal damage. A comparative analysis was conducted across four distinct algorithms: SVM, Faster R-CNN, Mask R-CNN, and the proposed Faster R-CNN+EfficientNetV2. Upon constructing a comprehensive rail surface defect image dataset and evaluating the performance, the Faster R-CNN+EfficientNetV2 model demonstrated superior detection capabilities, achieving a mean Average Precision (mAP@0.5) of 0.968 (96.8%). Given its exceptional performance in identifying micro-defects, this model is expected to overcome the limitations of conventional visual inspections and simplified models, thereby significantly enhancing the overall efficiency of railway maintenance.

한국어

철도 레일은 차륜과의 접촉면에서 구름 접촉 피로 균열이 상시 발생할 수 있는 환경에 노출되어 있어, 절손 사고를 방지하기 위한 정밀한 점검과 진단이 필수적이다. 최근 궤도 시설 성능평가에 관한 세부 지침이 마련되었으나, 여전히 레일 표면 손상 진단 및 등급 산정은 점검자의 주관적 판단에 의존하는 육안 조사 방식이 주를 이루고 있어 정량적 평가 체계 구축이 시급한 실정이다. 따라서 본 연구에서는 레일 표면 결함을 정밀하게 검출하고 이를 통해 내부 손상까지 유추할 수 있도록 Faster R-CNN에 고성능 백본 네트워크인 EfficientNetV2를 결합한 하이브리드 딥러닝 모델의 제안하였다. 또한 SVM, Faster R-CNN, Mask R-CNN과 Faster R-CNN+EfficientNetV2 4가지 알고리즘별 모델 비교를 통해 분석하였다. 레일 표면 결함 이미지 데이터 세트를 구축하고 성능을 분석한 결과, Faster R-CNN+EfficientNetV2 모델의 mAP@0.5 기준 0.968(96.8%)의 우수한 검출 성능을 확보하였다. 본 모델은 미세한 결함 식별 성능이 탁월하여, 기존 육안 조사 및 단순 모델의 한계를 극복하고 레일 유지보수의 효율성을 높일 수 있을 것으로 기대된다.

저자

• 정지훈 [ Ji-Hun Jeong ]
• 최정열 [ Jung-Youl Choi ]
• 한재민 [ Jae-Min Han ]

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