Earticle

초록

한국어

본 연구는 건설 현장에서 발생할 수 있는 다양한 위험 요소 및 객체를 자동으로 탐지하기 위한 YOLO 기반 객체 인식 모델의 성능을 평가하는 것을 목적으로 한다. 실제 현장 이미지를 활용하여 총 11개 클래스(People, Ladder, Unsafe 계열, 장비류 등)를 학습하였으며, YOLOv5를 중심으로 정밀도, 재현율, mAP, F1 Score 등의 성능 지표를 분석하였다. 분석 결과, 주요 객체는 높은 탐지 성능을 보인 반면, Forklift 및 Roller 등 일부 클래스는 낮은 정분류율을 기록하였다. Confidence 기반 Threshold 분석에서는 0.4~0.5 구간이 최적값으로 나타났다. 또한 예측 결과와 실제 라벨 간 시각적 비교(val_batch)를 통해 모델의 설명 가능성과 적용성을 검토하였다. 학습 과정의 손실 함수 변화, 혼동 행렬 분석을 통해 모델의 수렴 안정성도 확인하였다. 본 연구는 YOLO 모델이 건설 위험 요소 탐지에 실효성 있는 도구임을 실증하며, 향후 고도화 연구 및 모델 비교 분석의 기반자료로 활용가능하다.

목차

요약
1. 서론
2. 본론
3. 결론
참고문헌

키워드

저자

• 박종학 [ Park, Jong-Hag | 학생회원ㆍ경기대학교 건설안전학과 석사과정 ]
• 문유미 [ Moon, Yoo-Mi | 정회원ㆍ경기대학교 건설안전학과 교수 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국재난정보학회 학술발표대회

• 간기

  부정기

• 수록기간

  2005~2026

• 십진분류

  KDC 338 DDC 361