• 한국지반공학회:학술대회논문집
• /
• 한국지반공학회 2009년도 세계 도시지반공학 심포지엄
• /
• pp.695-699
• /
• 2009

공정과 공사비는 건설 프로젝트의 관리에 있어서 매우 중요한 두 가지 요소로써, 그동안 이들을 통합 관리하려는 노력이 많이 이루어져 왔으나 국내의 국가계약법에 따른 내역체계의 한계점과 내역 및 WBS 표준화 작업의 미흡으로 인해 실제 시행에 많은 어려움을 겪고 있다. 본 연구에서는 최신관리기법인 BIM의 객체기반 3D 모델링 정보를 이용하여 비용과 일정정보를 연계하여 관리하는 방안을 제시하였다. 먼저 프로젝트 구성정보를 비용, 일정, 구조물의 부위별 구성요소로 나누고 각 구성정보에 의한 분류체계의 특징을 분석하였고, 국내의 내역중심 관리체계와 전체적인 관리 시스템 상의 한계를 감안하여 제약조건을 설정하고 작업분류체계(WBS)를 통한 일정정보를 중심으로 비용과 3D 모델링의 부위별 객체들을 연계하는 방안을 제시하였다. 제시된 방안의 검증을 위하여 대림산업에서 시공중인 청풍대교 현장에 대하여 사례연구를 실시하였으며, 이를 통하여 일정변화에 따른 시각화 및 비용예측 등의 기대효과를 확인하고 한계점 및 향후 추가 연구사항들을 가늠해볼 수 있었다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2003년도 춘계종합학술대회논문집
• /
• pp.393-398
• /
• 2003

비디오는 멀티미디어 데이터의 가장 대표적인 형태로, 텍스트나, 이미지, 오디오와 객체의 움직임 같은 풍부한 정보를 담고 있다. 비정형의 멀티미디어 데이터를 다양하고 효율적으로 표현하기 위해서는 XML(extensible Markup Language)을 사용하여 저장하고 검색하는 멀티미디어 검색시스템이 필수적이다. 그러므로 멀티미디어 데이터에 대한 검색을 위해서는 멀티미디어 데이터의 내용을 구조적으로 설명하는 메타데이터가 필요하고 이 메타데이터를 XML을 사용하여 표현하며 저장하고 검색하기 위한 멀티미디어 검색시스템이 요구된다. 본 논문에서는 XML 메타데이터 모델링 기법과 이 모델링 기법을 지반으로 한 멀티미디어 검색시스템을 제안한다.

• 지구물리와물리탐사
• /
• 제25권4호
• /
• pp.189-200
• /
• 2022

도심지 도로에서의 지하공동 붕괴로 인한 지반침하 문제는 인명 및 재산 피해로 이어질 수 있기 때문에 이를 예방하기 위해서는 사전에 지하공동을 탐지하고 복구하는 과정이 필요하다. 지하공동 탐지는 주로 지표투과레이더(ground penetrating radar, GPR) 탐사를 통해 이루어지는데, 방대한 탐사 자료로 인해 해석에 많은 시간이 소모되고 전문가의 숙련도와 주관에 따라 해석 결과가 달라질 수 있다. 이러한 문제를 해결하기 위해 GPR 자료 해석 자동화 및 정량화 기법들이 연구되어 왔으며, 최근에는 딥러닝 기반의 해석 기법들이 많이 활용되고 있다. 이 연구에서는 딥러닝 기반의 GPR 자료해석 기법 중 쌍곡선(hyperbola) 신호를 탐지하는 과정에 대해 기존 연구에서 개발된 기법을 단계별로 실증 예제를 통해 설명하였다. 먼저, 쌍곡선 신호를 자동으로 탐지하기 위해서 딥러닝 기반 YOLOv3 객체탐지 기법을 적용했다. 다음으로는 column-connection clustering (C3) 알고리즘을 통해 쌍곡선 신호만을 추출하였고, 최종적으로 회귀분석을 통해 지하공동의 수평위치를 결정했다. YOLOv3 객체탐지 기법을 이용한 쌍곡선 신호 탐지 성능은 AP50 기준으로 정밀도 84%, 재현율 92%를 달성했다. 지하공동 수평위치 정확도는 4개 샘플에 대해 실제 위치와 약 0.12 ~ 0.36 m 정도의 차이를 보였다. 이를 통해 지하공동에 의해 나타나는 쌍곡선 신호에 대한 딥러닝 기반 탐지 기법의 적용성을 확인할 수 있었다.

• 한국터널지하공간학회 논문집
• /
• 제24권6호
• /
• pp.513-524
• /
• 2022

터널을 비롯한 여러 가지 기반시설물에 발생한 콘크리트 균열을 영상과 딥러닝 기반으로 자동 탐지하는 연구가 최근 활발히 이루어지고 있다. 이러한 연구성과를 실제 현장에 적용하려면 딥러닝 모델의 신뢰성을 설명할 수 있어야한다. 본 연구에서는 선형성이 강한 균열의 기하적인 특성을 고려했을 때 화소 기반으로 계산하는 기존 평가지표가 충분치 않다는 점을 지적하며, 균열 분할 딥러닝 모델의 성능을 더 합리적으로 설명할 수 있는 다른 평가지표를 제시하고 비교 분석한다. 먼저 선형 객체의 유사성을 측정할 수 평가방법을 제시한다. 구체적으로는 기준 데이터에 허용 버퍼(tolerance buffer)를 부여하여 평가하는 방법을 설계, 구현, 검증한다. 실험 결과 본 연구에서 제안하는 방법은 균열 분할 딥러닝 모델 평가시 기존 대비 과대평가 또는 과소평가 문제를 해결할 수 있었으며, 화소 기반 성능 평가 지표에 비해 균열 분할 딥러닝 모델의 성능을 더 잘 설명할 것으로 기대한다.

• 한국지반공학회논문집
• /
• 제39권7호
• /
• pp.31-37
• /
• 2023

터널은 지중에 건설되는 구조물이므로 육안으로 터널 강지보재의 위치 등의 확인이 불가능하다. 이에, 터널 유지관리시에는, 일반적으로 GPR 이미지를 활용하여 강지보재 탐지를 수행한다. 인공신경망을 통한 GPR 이미지 분석에 대한 연구는, 주로 지하배관, 도로 손상 등의 탐지에 집중되어 있으며, 강지보재 등의 터널 GPR 데이터를 분석한 사례는 해외와 국내 모두 제한적이다. 본 연구에서는, 합성곱 신경망을 기반으로 하는 1단계 객체인식 알고리즘인 YOLO를 활용하여, GPR 데이터를 바탕으로 한 터널 강지보재의 위치 탐지를 자동화하고, 그 성능을 분석한다. 원본 이미지 데이터는 총 512개이며 원본 이미지 데이터로 이루어진 데이터 세트와 원본 이미지 데이터와 증식기법이 적용된 이미지 데이터를 병합한 2,048개의 데이터로 이루어진 데이터 세트를 해석에 활용하였다. 증식한 데이터를 사용한 모델의 강지보재 누락율(전체 강지보재와 탐지하지 못한 지보재 숫자의 비율)은 0.38%, 원본 데이터만을 활용한 모델의 강지보재 누락율은 7.18%로 나타났다. 따라서, 분석 자동화 측면에서는, 증식기법이 적용된 데이터 세트를 활용하는 것이 더 실용적일 것으로 판단된다.

• 한국컴퓨터정보학회논문지
• /
• 제25권12호
• /
• pp.173-186
• /
• 2020

본 논문에서는 지하공간 통합지도를 탐사 현장에서 활용하기 위한 모바일 단말기용 서비스 시스템을 설계 구현한다. 모바일 단말기용 현장활용 서비스 시스템은 지하공간 통합지도 관리 시스템에서 제공하는 타일맵, 3차원 지형정보, 지하구조물, 지하시설물, 지반정보 등을 현재 위치에 따라 3차원으로 가시화하도록 설계되었고, 현장 탐사로 얻어진 결과를 실시간으로 반영하도록 설계되었다. 또한, 제안된 시스템은 모바일 단말기의 무선 네트워크 및 기기 특성에 따른 제약 문제로 지하공간 통합지도를 glTF 포맷 형태로 전송 후 가시화 하도록 구현하였다. 구현된 모바일 서비스 시스템은 지하공간 탐사 현장에서 3차원으로 지도 및 공간 객체들을 가시화하여 사용자에게 정확하고 통합된 지하공간 데이터를 제공함으로써 탐사 현장에서의 사고 발생을 방지할 수 있다. 그리고, 갱신된 지하공간 데이터를 실시간으로 지하공간 통합지도 관리 시스템에 전송하여 최신성과 정확성을 유지할 수 있다.

• 터널과지하공간
• /
• 제31권5호
• /
• pp.374-384
• /
• 2021

본 논문에서는 암석시료의 CT 촬영 이미지상의 균열을 자동으로 탐지하는 새로운 인공지능 딥러닝 기법을 제안한다. 본 제안 기법은 2단계 딥러닝 객체인식 알고르즘인 Faster R-CNN을 기반으로 회전 가능한 경계박스(bounding box) 개념을 도입하여 알고리즘을 개조하였다. 회전 경계박스의 도입은 관심 균열 영역 밖의 배경의 불균질성 및 균열의 크기와 형태에 영향을 받는 딥러닝 객체인식기법 상의 고유한 어려움을 극복하기 위한 핵심 역할을 한다. 본 회전형 경계박스의 사용은 일반적으로 사용되는 영상 수평축과 평행한 경계박스 사용의 경우와 비교하여 긴 형태의 균열 형상 특성에 매우 잘 부합된다. 즉, 좋지않은 영향을 끼치는 경계박스 내 균열 이외 배경영역의 비율을 최소화 시킬 수 있다. 이외에도, 회전 경계박스의 추가적인 이점은 인식된 균열의 방향에 따라 회전하여 추론되는 경계박스를 통해 균열의 방향과 길이에 대한 정보를 직접적으로 얻을 수 있다. 본 제안기법의 적용성을 검증하기 위하여, 이미지상에서 매우 불균질한 화강암 시료에 인공적으로 균열을 발생시킨 다수의 암석시료 영상을 딥러닝 학습에 사용하고 추론 성능 실험을 진행하였다. 그 외에도, 동일 조건에서 사암과 셰일 암석 시료에도 적용하여 검증하였다. 결론적으로, 제안된 기법을 통해 균열 객체 인식의 평균 추론정확도(mAP)값이 0.89 정도 수준의 우수한 추론 성능을 보였으며, 기존 기법에 비해 추론된 경계박스 내 균열과 배경 영역의 비율 측면에서 배경의 비율이 획기적으로 최소화되는 유리한 추론 검증 결과를 보였다.

• 터널과지하공간
• /
• 제30권5호
• /
• pp.462-472
• /
• 2020

암종 분류은 현장의 지질학적 또는 지반공학적 특성 파악을 위해 요구되는 매우 기본적인 행위이나 암석의 성인, 지역, 지질학적 이력 특성에 따라 동일 암종이라 하여도 매우 다양한 형태와 색 조성을 보이므로 깊은 지질학적 학식과 경험 없이는 쉬운 일은 아니다. 또한, 다른 여러 분야의 분류 작업에서 딥러닝 영상 처리 기법들이 성공적으로 적용되고 있으며, 지질학적 분류나 평가 분야에서도 딥러닝 기법의 적용에 대한 관심이 증대되고 있다. 따라서, 본 연구에서는 동일 암종임에도 다양한 형태와 색을 갖게 되는 실제 상황을 감안하여, 정확한 자동 암종 분류를 위한 딥러닝 기법의 적용 가능성에 대해 검토하였다. 이러한 기법은 향후에 현장 암종분류 작업을 수행하는 현장 기술자들을 지원할 수 있는 효과적인 툴로 활용 가능할 것이다. 본 연구에서 사용된 딥러닝 알고리즘은 매우 깊은 네트워크 구조로 객체 인식과 분류를 할 수 있는 것으로 잘 알려진 'ResNet' 계열의 딥러닝 알고리즘을 사용하였다. 적용된 딥러닝에서는 10개의 암종에 대한 다양한 암석 이미지들을 학습시켰으며, 학습 시키지 않은 암석 이미지들에 대하여 84% 수준 이상의 암종 분류 정확도를 보였다. 본 결과로 부터 다양한 성인과 지질학적 이력을 갖는 다양한 형태와 색의 암석들도 지질 전문가 수준으로 분류해 낼 수 있는 것으로 파악되었다. 나아가 다양한 지역과 현장에서 수집된 암석의 이미지와 지질학자들의 분류 결과가 학습데이터로 지속적으로 누적이 되어 재학습에 반영된다면 암종분류 성능은 자동으로 향상될 것이다.