콘크리트 교량 상태평가를 위한 딥러닝 기반 손상 탐지 프로토타입 개발

• Published in: KSCE Journal of Civil and Environmental Engineering Research Vol. 42; no. 1; pp. 107 - 116
• Main Authors: 남우석, 정현준, 박경한, 김철민, 김규선, Nam, Woo-Suk, Jung, Hyunjun, Park, Kyung-Han, Kim, Cheol-Min, Kim, Gyu-Seon
• Format: Journal Article
• Language: Korean
• Published: 대한토목학회 01.02.2022
• Subjects: 토목공학
• ISSN: 1015-6348; 2799-9629
• DOI: 10.12652/Ksce.2022.42.1.0107

Recently, research has been actively conducted on the technology of inspection facilities through image-based analysis assessment of human-inaccessible facilities. This research was conducted to study the conditions of deep learning-based imaging data on bridges and to develop an evaluation prototype program for bridges. To develop a deep learning-based bridge damage detection prototype, the Semantic Segmentation model, which enables damage detection and quantification among deep learning models, applied Mask-RCNN and constructed learning data 5,140 (including open-data) and labeling suitable for damage types. As a result of performance modeling verification, precision and reproduction rate analysis of concrete cracks, stripping/slapping, rebar exposure and paint stripping showed that the precision was 95.2 %, and the recall was 93.8 %. A 2nd performance verification was performed on onsite data of crack concrete using damage rate of bridge members. 최근 안전점검자가 접근성 문제로 점검이 어려운 교량 부재의 상태평가를 위해 영상분석 기반의 시설물 점검 기법연구가 활발히 진행 중이다. 본 논문은 교량을 대상으로 딥러닝 기반 영상정보에 대해서 상태평가 연구를 진행하였고 이에 대한 평가 프로그램(프로토타입)을 개발하였다. 딥러닝 기반 교량 손상탐지 프로토타입을 개발하기 위해 딥러닝 모델 중 손상 검출 및 정량화가 가능한 의미론적 분할 모델인 Mask-RCNN를 적용하였고 학습데이터 6,540장(오픈 데이터 포함)과 손상유형에 적합한 레이블링을 구성하였다. 모델링에 대한 성능검증한 결과, 콘크리트 균열, 박리/박락, 철근노출과 도장 박리에 대한 정밀도(precision)는 95.2 %, 재현율(recall)은 93.8 % 나타내었다. 또한, 교량 콘크리트 부재 손상율을 이용하여 콘크리트 균열 실 데이터를 2차 성능검증 하였다.