딥러닝 이미지 분류에 기반한 콘크리트 균열 탐지

이 연구는 콘크리트 표면의 균열을 탐지하기 위한 기계 학습 기반 모델을 개발하는 것을 목표로 합니다. 이러한 모델은 무인 항공기(UAV)와 결합될 때 콘크리트 인프라 검사에서 자동화 수준을 높이는 데 사용됩니다. 개발된 균열 탐지 모델은 딥러닝 합성곱 신경망(CNN) 이미지 분류 알고리즘에 의존합니다. 상대적으로 이질적인 데이터셋이 제공되는 상황에서 딥러닝을 사용하면 콘크리트 표면이 나타낼 수 있는 다양한 조건(예: 조명, 표면 마감 및 습도)을 고려할 수 있는 콘크리트 균열 탐지 시스템 개발이 가능합니다. 이러한 조건은 기존의 디지털 이미지 처리 방법에 기반한 컴퓨터 비전 시스템 작업 시 제한 요소입니다. 이 연구를 위해 균열이 있는 이미지와 없는 이미지가 균형을 이루는 3500장의 콘크리트 표면 이미지로 구성된 데이터셋이 사용되었습니다. 이 데이터셋은 80/20 비율로 훈련 데이터와 테스트 데이터로 나누어졌습니다. 데이터셋이 완전한 딥러닝 모델을 견고하게 훈련하기에는 다소 작기 때문에 전이 학습 방법론이 적용되었습니다. 특히, 오픈 소스 모델인 VGG16이 모델 개발의 기초로 사용되었습니다. 모델의 매개변수(학습 속도, 마지막 완전 연결 층의 노드 수 및 훈련 데이터셋 크기)의 영향을 조사하였습니다. 각 실험에서 모델의 정확도를 기록하여 최상의 결과를 식별하였습니다. 이 연구에 사용된 데이터셋에서 가장 좋은 실험 결과는 92.27%의 정확도를 가진 모델을 보여주어 콘크리트 균열 탐지를 위한 딥러닝의 가능성을 보여주었습니다.