R&D최종보고서
| 과제고유번호 | 201717CTAP-C114986-02 | |||||
|---|---|---|---|---|---|---|
| 연구사업명 | 국토교통기술촉진연구사업 | |||||
| 연구과제명 | 머신러닝 기반의 영상정보 분석을 통한 철근 콘크리트 구조물의 지능형 화재 손상 평가 원천기술 개발 | |||||
| 총 연구기간 | 2016-06-22 ~ 2018-06-21 | |||||
| 연구책임자 | 김희선 | |||||
| 당해년도 참여 연구원수 |
4명 | 총 연구기간 참여 연구원수 |
8명 | |||
| 당해년도 연구비 |
정부 : 180,000,000 원 기업 : 0 원 계 : 180,000,000 원 |
총연구비 | 정부 : 360,000,000 원 기업 : 0 원 계 : 360,000,000 원 |
|||
| 연구기관명 | 이화여자대학교 산학협력단 | |||||
| 등록 발간번호 | - | |||||
| ISBN | - | |||||
| 주요 내용 |
본 연구에서는 화재 피해를 입은 구조물의 손상정도를 신속하고 정확하게 파악하기 위한 기술로써 영상처리 기술과 머신러닝 기법, 화재 피해를 입은 구조물의 변형 및 균열 특성 파악, 잔존강도 분석 기술을 개발하고, 이를 통합한 지능형 손상 평가 소프트웨어를 개발하는 것을 목적으로 한다. 여기서 제안하는 소프트웨어에는 영상 정보의 적절한 화질과 크기를 보장할 수 있는 영상 취득 방법의 개발, 균열 파악을 위한 영상 처리 기법의 개발, 파악된 균열 패턴을 분석하여 학습할 수 있는 머신러닝 기법의 개발이 포한된다. 세부 목표로는 첫째, 철근콘크리트 구조부재의 화재실험을 통해 균열 및 변형 특성을 파악하고, 잔존강도 파악하기 위한 가력실험으로부터 구조물의 외관변형정도와 잔존강도 사이의 정량적 연관성을 파악한다. 둘째, 화해 구조물 외관 영상과 수립한 통계모델을 이용하여 머신러닝 기반의 구조물 손상 분석 알고리즘을 개발하는 것을 세부 목표로 한다. [최종목표] 본 연구에서는 구조물의 손상 정도를 영상정보를 이용하여 신속하게 평가·진단할 수 있는 기술을 개발하고자 화재 피해를 입은 철근 콘크리트 구조물의 영상 정보로부터 구조물의 균열 및 폭렬 현상을 머신러닝 기법으로 분석함으로써 화재 피해를 입은 구조물의 구조적 손상정도를 신속하고 정확하게 평가할 수 있는 소프트웨어 개발을 목표로 한다. 이 소프트웨어는 화재 발생 후 철근 콘크리트 구조물이 입은 피해의 정도를 정량화 할 수 있는 진단 및 평가 기술을 제시할 뿐 아니라, 진단 및 평가결과를 바탕으로 화재피해에 따른 건축물의 보수·보강이 안전하고 경제적으로 이루어질 수 있도록 하는 기대효과를 포함한다. [연구내용 및 범위] 본 연구에서는 건축공학의 구조성능 평가 분야와 전자공학의 영상처리 및 머신러닝 적용 분야가 융합하여 각각 화재 피해를 입은 구조물의 변형 및 균열 특성 파악, 잔존강도 분석 기술의 개발, 영상처리 기술과 머신러닝 기법을 개발하고, 분야간의 연구방법과 성과를 공유함으로써 지능형 손상 평가 소프트웨어 개발을 완성할 수 있도록 한다. ● 1차년도 - 화재 피해를 입은 콘크리트 부재의 구조성능 평가 분야 1차년도에는 화재 피해를 입은 구조물의 구조 안전성 분석 사례 및 국내·외 화재 피해를 입은 구조물의 진단 및 평가에 관련된 기술을 조사하고 이를 토대로 화재 실험의 변수 및 방법과 같은 상세사항을 계획한다. 따라서, 구조물의 설계 및 제작, 양생, 가열실험의 과정을 거치게 되며, 실험 부재는 보와 기둥으로, ‘건축 구조 부재의 내화 시험방법’에 준하는 국내의 내화성능 평가방법 ISO-834 및 실제 화재곡선을 사용하여 가열실험을 수행한다. 가열실험 후 철근콘크리트 부재로부터 육안으로 파악할 수 있는 균열 및 변형 등의 특성과 온도 분포 특성을 파악하고, 변수에 따른 균열 및 변형 양상을 차이를 분석한다. 추후, 화재에 노출된 구조 부재의 거동 및 온도분포 특성을 파악하기 위한 해석적 연구도 진행한다. ● 1차년도 - 화재 피해를 입은 콘크리트 부재의 영상처리 및 머신러닝 적용 분야 1차년도에는 화재실험 후 부재의 외관에 관한 영상정보를 취득하고 전처리 알고리즘을 개발한다. 영상의 취득은 화재 현장에서 별도의 복잡한 절차나 전문적인 장비의 활용 없이도 가능하도록 범용 HD(High Definition)급 카메라를 사용한다. 또한 머신러닝 기법에 필수적이라고 할 수 있는 영상 DB의 구축에 필요한 데이터 및 관련 메타데이터를 구축한다. 메타데이터는 영상의 취득 각도, 조명 변화, 화재 시간, 공간 등의 화재실험 조건, 구조물에 관한 조건 등 다양한 실험 요인을 고려하여 구축한다. 이외에도 취득한 영상을 전처리하는 알고리즘을 개발한다. 제안연구에서는 영상 내 손상정보를 주로 구성하는 균열의 에지, 코너 등의 low-level 특징 정보를 구분하는 기법 등이 적용 가능하다. 가능한 전처리 기법으로는 영상의 정규화, 콘트라스트 향상, 에지 검출 필터링, 히스토그램 등이 있으며 화재영상의 특성을 고려하여 알고리즘을 개발한다. 마지막으로 취득한 영상정보를 기반으로 딥러닝 기술을 포함한 데이터 기반의 학습 및 추론 알고리즘을 연구하여 부재의 균열정보와 잔존강도 간 연관정보를 추출할 수 있는 원천기술을 개발한다. ● 2차년도 - 화재 피해를 입은 콘크리트 부재의 구조성능 평가 분야 2차년도에서는 화재 피해를 입은 구조 부재의 잔존강도 평가를 위한 가력시험을 진행하고 가열 실험에서 얻은 균열 및 변형의 특성을 정량적으로 분석하고 수치화하여 정리한다. 가열실험을 통해 얻은 균열 및 변형 특성이 잔존강도와 가지는 연관관계를 정량적으로 정립하여 제시한다. 이를 바탕으로 화재 피해를 입은 철근콘크리트 부재의 진단 및 손상도 평가 기술을 개발하고 손상도 평가 소프트웨어에서 활용될 수 있도록 제공한다. 본 연구에서 개발될 기법에 대한 적용성 검증을 위해 실제 화재 피해를 입은 구조부재를 평가해보고 이를 통해 효율적인 활용방안을 구축하도록 한다. ● 2차년도 - 화재 피해를 입은 철근 콘크리트 부재의 영상처리 및 머신러닝 적용 분야 2차년도에는 딥러닝의 일종인 Convolutional neural network (CNN) 기술을 이용하여 영상분석결과로 구조물의 잔존강도를 추론하는 알고리즘을 개발하고 실험하여 성능을 평가한다. 개발한 알고리즘은 SW로 구현한다. 실험에서 취득한 화재 영상데이터의 균열정보와 데이터로부터 추론하고자 하는 잔존강도 사이의 연관 정량모델을 이용하여 균열정보 취득을 위한 CNN 다층 신경망 내 필터 셋을 최적화하기 위한 알고리즘을 개발한다. 개발기술의 성능평가는 그림 15.에서 보듯이 화해 구조물의 실제 잔존강도를 파괴실험을 통해 파악하고, 실제 실험치와 영상을 통해 취득한 결과와 일치하는지 비교하여 판단한다. |
|||||
| 색인어 | 한글 | 머신러닝 | 영상분석 | 손상 평가 | 콘크리트구조 | 화재 |
| 영문 | Machine learning | Image analysis | Damage evaluation | Concrete structure | Fire | |
| 최종보고서 | 최종보고서(보완본).pdf | |||||