• 한국터널지하공간학회 논문집
• /
• 제26권2호
• /
• pp.129-152
• /
• 2024

터널 내 CCTV를 통한 딥러닝 객체인식 적용에 있어서 터널의 열악한 환경조건, 즉 낮은 조도 및 심한 원근현상으로 인해 오탐지가 대량 발생한다. 이 문제는 객체인식 성능에 기반한 영상유고시스템의 신뢰성 문제로 직결되므로 정탐지 향상과 더불어 오탐지의 저감 방안이 더욱 필요한 상황이다. 이에 본 논문은 딥러닝 객체인식 모델을 기반으로, 오탐지 데이터의 재학습을 통해 오탐지의 저감뿐만 아니라 정탐지 성능 향상도 함께 추구하는 오탐지 학습법을 제안한다. 본 논문의 오탐지 학습법은 객체인식 단계를 기반으로 진행되며, 학습용 데이터셋 초기학습 - 검증용 데이터셋 추론 - 오탐지 데이터 정정 및 데이터셋 구성 - 학습용 데이터셋에 추가 후 재학습으로 이어진다. 본 논문은 이에 대한 성능을 검증하기 위해 실험을 진행하였으며, 우선 선행 실험을 통해 본 실험에 적용할 딥러닝 객체인식 모델의 최적 하이퍼파라미터를 결정하였다. 그리고 본 실험에서는 학습영상 포맷을 결정하기 위한 실험, 반복적인 오탐지 데이터셋의 재학습을 통해 장기적인 성능향상을 확인하기 위한 실험을 순차적으로 진행하였다. 그 결과, 첫 번째 본 실험에서는 추론된 영상 내에서 객체를 제외한 배경을 제거시키는 경우보다 배경을 포함시키는 경우가 객체인식 성능에 유리한 것으로 나타났으며, 두 번째 본 실험에서는 재학습 차수별 독립적으로 오탐지 데이터를 재학습시키는 경우보다 차수마다 발생하는 오탐지 데이터를 누적시켜 재학습 시키는 경우가 지속적인 객체인식 성능 향상 측면에서 유리한 것으로 나타났다. 두 실험을 통해 결정된 방법으로 오탐지 데이터 재학습을 진행한 결과, 차량 객체 클래스는 1차 재학습 이후부터 AP값이 0.95 이상 우수한 추론 성능이 발현되었으며, 5차 재학습까지 초기 추론 대비 약 1.06배 추론성능이 향상되었다. 보행자 객체 클래스는 재학습이 진행됨에 따라 지속적으로 추론 성능이 향상되었으며, 18차 재학습까지 초기 추론대비 2.3배 이상 추론성능이 자가 향상될 수 있음을 보였다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제25권4호
• /
• pp.65-74
• /
• 2021

빠르게 증가하는 노후 터널을 효율적으로 관리하기 위하여 최근 영상장비를 이용한 점검 방법론들이 많이 제안되고 있다. 하지만 기존의 방법론들은 대부분 국한된 영역에서 검증을 수행하였을 뿐 아니라, 다른 물체들이 존재하지 않는 깨끗한 콘크리트 표면에서 검증되어 실제 현장에 대한 적용성을 검증하기 어려웠다. 따라서 본 논문에서는 이러한 한계를 극복하기 위하여 비균열 물체 학습에 기반한 6단계 터널 균열 탐지 딥러닝 모델 개발 프레임워크를 제안한다. 제안된 프레임워크는 터널에서 취득된 이미지 내 균열 탐색, 픽셀 단위 균열 라벨링, 딥러닝 모델 학습, 비균열 물체 수집, 비균열 물체 재학습, 최종 학습 데이터 구축의 총 6단계로 이루어진다. 제안된 프레임워크를 이용하여 개발된 균열 탐지 딥러닝 모델 개발을 수행하였으며, 일반 균열 1561장, 비균열 206장으로 개별 물체 세분화(Instance Segmentation) 모델인 Cascade Mask R-CNN을 학습시켰다. 학습된 모델의 현장 적용성을 검토하기 위하여 전선, 전등 등을 포함하는 약 200m 길이의 실제 터널에서 균열 탐지를 수행하였다. 실험 결과 학습된 모델은 99% 정밀도와 92%의 재현율을 나타내며 뛰어난 현장 적용성을 나타내었다.

• 지구물리와물리탐사
• /
• 제9권4호
• /
• pp.279-290
• /
• 2006

이 연구에서는 다양한 시추공 레이다 탐사법 중, 지하 갱도의 탐지에 사용이 가능한 (1) 시추공 레이다 반사법 탐사, (2) 방향성 안테나를 이용한 반사법 탐사, (3) 크로스홀 스캐닝(crosshole scanning), (4) 레이다 토모그래피 등의 4 종류 시추공 레이다 탐사법의 터널 탐지에 대한 적용성과 한계성을 탐사 사례 분석을 통해 고찰하였다. 시추공 레이다 반사법 탐사의 터널로부터 회절 양상은 완벽한 포물선 형태보다는 상부 포물선만 명확히 나타난 형태가 많았고 그 회절 이벤트는 정점을 기준으로 아래, 위 10 m 이상에 이르는 트레이스 까지 나타났다. 또한 안테나의 길이에 비해 시추공의 공경이 커지면 링잉 현상이 많이 발생함을 확인하였다. 송 수신 거리(offset)에 따라 신호의 양상이 많이 달라지며 현장여건에 따라 송 수신 거리를 조절하면 더 좋은 분해능의 자료를 획득할 수 있을 것이다. 방향성 안테나 시스템은 한 시추공만을 이용하여 터널의 3차원적인 위치를 정확히 판별할 수 있는 장점이 있으나 장비의 가격이 고가이며, 현장 작업의 난이도가 매우 높고, 시간이 많이 걸리는 단점이 있다. 크로스홀 스캐닝는 터널의 유무에 대한 좋은 지표가 될 수 있음을 알 수 있었으며 시추공 레이다 반사법 탐사와 같이 사용된다면 높은 신뢰도의 결과를 낼 수 있을 것이다. 레이다 토모그래피는 터널을 영상화함과 동시에 주변의 지반 물성을 얻게 되어 지하구조 파악에 효과적이라고 할 수 있다. 위의 결과를 토대로 경제적이고 효과적인 터널 탐지 방법을 제안하면, 먼저 시추공 레이다 반사법 탐사를 수행하여 이상 징후를 탐지 한 후, 주변의 시추공 상황에 따라 크로스홀 스캐닝이나 방향탐지 안테나를 도입하여 확인하는 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제17권11호
• /
• pp.73-81
• /
• 2012

본 논문에서는 애드 혹 네트워크의 노드 위치 정보와 홉 수를 이용하여 캡슐화 웜홀 공격과 터널링 웜홀 공격을 탐지하는 ETWAD(Encapsulation and Tunneling Wormhole Attack Detection) 기법을 설계하였다. ETWAD 탐지 기법은 애드 혹 네트워크 내의 노드 ID와 그룹 키로 노드의 신분을 확인할 수 있는 GAK(Group Authentication Key)를 생성하여 RREQ와 RREP에 추가하여 애드 혹 네트워크의 구성원임으로 인증할 수 있도록 설계하였다. 또한, ETWAD 탐지 기법은 RREP 메시지 내의 홉 수를 카운트하고, 근원지 노드 S와 목적지 노드 D의 거리를 계산하여 임계치와 홉 수를 이용하여 캡슐화 웜홀 공격, 터널링 공격을 탐지하는 GeoWAD 알고리즘을 설계하였다. 그 결과, 평균 웜홀 공격 탐지율이 91%, 평균 FPR이 4.4%로 평가되므로 ETWAD 탐지 기법은 웜홀 공격 탐지율과 웜홀 공격 탐지의 신뢰성을 향상시켰다고 볼 수 있다.

• 한국방재학회 논문집
• /
• 제5권3호
• /
• pp.41-46
• /
• 2005

터널내에서 자동 화재탐지장비는 불꽃감지기를 설치함으로써 조기감지, 조기 진압실현 및 위험발생상황을 터널진입직전의 차량운전자 및 관련기관에 알려 즉시 대처할 수 있다. 이 논문에서는 화재발생시 즉각 대처 가능한 조기감지시스템과 피난터널에 대하여 살펴보도록 한다.

• 지질공학
• /
• 제7권1호
• /
• pp.27-36
• /
• 1997

본 논문은 시추공 탄성파 탐사에 의해 암반내에 형성된 소규모 터널(크기 약 2m$\times$2m)도 탐지될 수 있음을 보여주고 있다. 탄성파 전달 측면에서 상기 소규모 터널은 회절파를 유발하게 되어 수진기 배열 일부구간에는 하나의 특징적인 주시 및 진폭 변화를 갖는 초동으로 도달된다. 이러한 터널효과는 바로 터널의 존재 여부에 대한 중요한 지침이 되며 동시에 그에 대한 진폭 및 주시 분석은 바로 터널 위치에 대한 정보를 제시하는 것이다. 본 논문에서는 우선 수치모델링을 통하여 상기 터널 효과를 보다 정량적으로 분석한 후 그로부터 터널 위치 규명을 위한 하나의 효율적인 기법을 제시하고 있으며 나아가서 현장 실험에서도 상기 터널효과가 전 기록을 통하여 일관성을 띠면서 뚜렷이 관찰되고 있음을 보여주고 있다. 더구나 탐사에 의해 규명된 터널 위치는 바로 실존하는 터널의 위치와 훌륭하게 부합되고 있다.

• 한국터널지하공간학회 논문집
• /
• 제23권6호
• /
• pp.549-558
• /
• 2021

터널과 지하시설물을 비롯한 콘크리트 토목구조물을 안전하게 관리하려면 균열 발생 여부를 정기적인 점검을 통해 알아내야 한다. 터널의 콘크리트 라이닝 표면에 발생한 균열의 위치와 형태를 검사하는 일은 주로 고소작업차를 투입하여 이루어진다. 이러한 작업은 차로를 통제한 채 이루어지므로 교통 체증을 일으키며, 점검 종사자가 위험한 환경에 노출되며, 매번 같은 종사자가 같은 터널의 같은 부위를 조사하기 어려우므로 검사 결과의 일관성이 저해된다. 본 연구는 기존 터널 영상 취득 시스템을 대상으로 딥러닝 기술을 적용해 터널 내 콘크리트 라이닝의 균열을 자동으로 탐지하는 방법을 다음과 같이 제시한다. 구체적으로는 의미론적 분할(semantic segmentation)을 수행하는 딥러닝 모델을 공개 데이터셋으로 학습시키고, 터널 영상 취득 시스템으로 취득한 데이터셋을 딥러닝 모델에 입력했을 때 성능을 알아본다. 첫 번째, 공개 데이터셋을 전부 학습시켰을 경우, 두 번째, 공개 데이터셋 중 기존 터널 영상 취득 시스템 데이터셋과 관련성이 높은 데이터셋만 선택하여 학습시켰을 경우, 마지막으로 관련성이 높은 데이터셋과 균열이 없는 영상(negative example)을 선택하여 학습시켰을 경우에 대하여 성능을 비교하여 효율적인 모델 학습 방안을 모색한다. 그 결과 공개 데이터셋에서 관련성이 높은 영상과 균열이 없는 영상을 골라 학습시켰을 경우의 성능이 가장 좋았다. 향후 딥러닝 알고리즘을 터널 영상 취득 시스템에 적용할 때 효율적인 모델 학습 방안을 수립하는데 기여할 것으로 기대한다.

• 지구물리와물리탐사
• /
• 제6권3호
• /
• pp.138-142
• /
• 2003

공대공 탄성파 자료를 3개 단면에서 획득하였다. 이 단면들은 한 터널을 가로지르는데 단면상의 터널의 상태는 공동, 모래로 충전, 그리고 버럭으로 충전된 상태이다. 이 세 개 단면 기록으로부터 P와 S파의 초동을 발췌하여 P와 S속도 토모그램을 작성하였다. 6개의 토모그램 중 단지 1개의 토모그램만이 터널의 영상으로 해석할 수 있는 국부적인 저속도 구간을 표출하였다. 이 토모그램은 공동상태의 터널을 지나는 단면의 P파 속도영상이다. 이 사실은 본 주시토모그래피의 공간 분해능을 산출한 수치해석결과와 일치하였다.

• 한국터널지하공간학회 논문집
• /
• 제11권4호
• /
• pp.361-371
• /
• 2009

전기비저항 토모그래피법은 터널 주변의 물성분포나 그 변화를 탐지하는데 매우 효과적인 물리탐사 방법이다. 따라서 전기비저항 토모그래피 영상은 터널의 효과적인 유지관리를 위한 중요한 정보를 제공해 준다. 그러나 공기로 채워진 터널은 토모그래피 자료를 심하게 왜곡시키며, 이러한 현상은 송, 수신점이 터널에 근접할수록 심화된다. 또한 이러한 왜곡은 결과적으로 토모그래피 모니터링 자료의 해석에 오류를 가져오게 된다. 이런 문제점의 해결을 위하여 터널을 포함한 모델링 및 시간경과 역산법을 개발하였다. 개발된 프로그램을 사용하여 터널을 고려한 역산법이 기존의 역산법에 비하여 월등히 정밀한 영상을 제공함을 확인하였다. 또한 모니터링 자료에 시간경과 역산을 사용하여 보다 효과적으로 터널주변의 시간에 따른 전기비저항 변화대를 파악할 수 있었다.

• 한국터널지하공간학회 논문집
• /
• 제25권6호
• /
• pp.555-567
• /
• 2023

현재 지하시설물의 균열을 영상 취득 시스템으로 취득한 경우 점검자가 취득된 영상에서 육안검사를 수행하여 미세균열을 판단한다. 점검자에 의존한 노동집약적인 방법은 점검자의 주관적인 판단에 영향을 받는 문제점을 가지고 있다. 최근에는 딥러닝을 활용하여 자동으로 콘크리트 균열을 탐지하기 위한 연구가 활발하게 수행되고 있다. 대부분의 연구에서는 공개 데이터셋을 활용하거나 분석과정의 객관성이 충분하지 못해 실제 업무에 적용하기 어려운 점이 있다. 본 연구는 실제 검사 시스템과 동일한 형태의 영상을 시험 데이터셋으로 선정하여 딥러닝 모델들을 평가하였다. 균열 탐지의 정확도를 향상시키기 위하여 딥러닝 모델들의 장단점을 상호 보완할 수 있는 앙상블 기법을 적용하였다. 시험 영상에서 폭 0.2 mm, 0.3 mm 및 0.5 mm의 균열들은 각각 80%, 88% 및 89%의 높은 재현율로 탐지되었다. 딥러닝을 적용한 균열 탐지 결과에서는 점검자의 육안 검수 과정에 찾지 못한 다수의 균열들을 포함하고 있었다. 향후 본 연구에서 사용하지 않은 다른 터널의 영상을 시험 영상으로 선정하여 보다 더 객관적인 평가에서 충분한 정확도로 균열을 탐지하게 된다면, 시설물 안점 점검 방식에 딥러닝의 도입이 가능할 것으로 판단된다.