R&D최종보고서
| 과제고유번호 | 201818CTAP-C129782-02 | |||||
|---|---|---|---|---|---|---|
| 연구사업명 | 국토교통기술촉진연구사업 | |||||
| 연구과제명 | 시설물 유지관리를 위한 Deep Convolutional Neural Network (DCNN) 기반 사진판독형 콘크리트 성능평가 시스템 개발 | |||||
| 총 연구기간 | 2017-04-01 ~ 2018-12-31 | |||||
| 연구책임자 | 안용한 | |||||
| 당해년도 참여 연구원수 |
4명 | 총 연구기간 참여 연구원수 |
8명 | |||
| 당해년도 연구비 |
정부 : 220,000,000 원 기업 : 0 원 계 : 220,000,000 원 |
총연구비 | 정부 : 370,000,000 원 기업 : 0 원 계 : 370,000,000 원 |
|||
| 연구기관명 | 한양대학교 에리카산학협력단 | |||||
| 등록 발간번호 | - | |||||
| ISBN | - | |||||
| 주요 내용 |
■ 본 연구과제에서 개발되는 “DCNN(Deep Convolution Neural Network)기반 사진판독형 콘크리트 성능평가 시스템”은 Big Data를 활용한 딥러닝(Deep Learning) 알고리즘을 통하여 기존의 콘크리트 시설물 진단/평가방법을 혁신적으로 단순화함으로써 기하급수적으로 늘어나고 있는 시설물 유지관리 비용에 대한 근본적인 문제점을 해결하는 기초 원천기술임. ■ 본 연구과제는 세계 최초 콘크리트 시설물 유지관리 분야에 딥러닝 기반 모델(DCNN)을 접목하는 창의·도전적인 연구이며 정부가 국토교통 중장기 전략으로 추진 중인 10대 중점 프로젝트(Value Creator 2.0)중 지능형 인프라 자동관리부문의 목표를 달성하기 위해 시급히 요구되는 필수불가결한 기술로서 시의성이 매우 높고 향후 2년 뒤 콘크리트 시설물을 혁신적인 프로세스를 통하여 평가하는 원천기술 확보가 가능한 연구임. [최종목표] 본 연구는 콘크리트 시설물의 유지관리용 콘크리트 정밀 이미지 Big Data를 구축하고 데이터가 축적됨에 따라 정보조합과 자가학습을 통해 단시간에 최적결론이 도출 가능한 딥러닝(Deep Learning) 기술의 Deep Convolutional Neural Network(DCNN) 알고리즘을 포함하는 콘크리트 시설물 유지관리를 위한 DCNN 기반 사진판독형 콘크리트 성능평가 시스템 개발을 최종 목표로 함. 또한 지속적인 보완을 통해 DCNN기반 사진판독형 콘크리트 시설물 성능평가 시스템 개발 기술의 개념을 구현하고, 피드백을 통한 실험실 환경에서의 지속적 성능 검증으로 기술개발 성숙도를 응용연구 단계인 TRL 4단계 수준까지 완료할 계획임. [연구내용 및 범위] 본 연구는 “1차년도 : DCNN기반 콘크리트 시설물 성능평가 알고리즘 및 Big Data 구축”, “2차년도 : DCNN기반 사진판독형 콘크리트 시설물 성능평가 프로그램 개발”로 구분되며 연구목표에 대한 주요 연구내용은 다음과 같다. ■ [1차년도] DCNN기반 콘크리트 시설물 성능평가 알고리즘 및 Big Data 구축 ○ 콘크리트 시설물 유지관리를 위한 콘크리트 성능평가 Big Data 구축 ① 콘크리트 시설물 유지관리를 위한 콘크리트 성능 영향 요인 - 콘크리트 성능 영향 평가를 위한 실험용 폭로 콘크리트 시편 확보 - 콘크리트의 정밀표면 이미지 데이터를 통한 강도, 공극률, 확산계수 등 시설물 내구성능 영향 요인 정의 - 콘크리트 표면 이미지에서 추출한 공극의 크기 및 분포, 균열의 수준, 미수화시멘트량, 골재의 상태 등의 정보를 활용하여 콘크리트의 내구성능 평가 ② DCNN 기반 사진판독형 콘크리트 시편 표준 자료 DB 구축 - DCNN기반 사진판독을 위한 콘크리트 배합조건 및 성능별. 유지 관리 영향 요인 Data Categorizing - DCNN기반 사진판독을 위한 콘크리트 표면 사진 확대 배수 등과 같은 최적 기준 도출 및 콘크리트 성능 표준 자료 DB 구축 ○ DCNN 기반 콘크리트 시설물 성능평가 알고리즘 설계 ① DCNN 기반 콘크리트 시설물 성능평가 분류 방법론 개발 - 특성별 입력 데이터 사이즈, 입력 데이터 구조 및 형태, 출력 형태 정의 - 고정 초기 신경망 모델을 활용하여 공극, 강도, 염화물 확산계수, 건전도 등의 연속 변수를 범주화 실험 및 입력 데이터 구조 설계 실험 ② DCNN 기반 콘크리트 시설물 성능평가 분류 알고리즘 설계 - 특성별 입력 데이터 타입, 사이즈 및 구조, 출력 사이즈 및 형태를 반영한 DCNN 구조 설계 - DCNN의 layer 수 및 형태, layer module, filter 사이즈 및 개수 그리고 신경망 전체 구조 설계 - Learning set의 구성은 ？ DCNN의 입력데이터, ？ DCNN의 Architecture 후보군, ？ DCNN의 학습을 위한 학습 파라미터 set으로 구성 ■ [2차년도] DCNN기반 사진판독형 콘크리트 시설물 성능평가 프로그램 개발 ○ 콘크리트 시설물 유지관리를 위한 DCNN 기반 사진판독형 콘크리트 성능평가 프로그램 개발 ① DCNN 기반 알고리즘 피드백을 통한 실험 데이터간 유효상관관계 분석 - 1차년도에 개발된 DCNN 기반 알고리즘에 대한 피드백을 통해 콘크리트 성능 영향 요인과 관련된 Big Data 내의 유용한 상관관계 분석 - 시설물 사용자가 콘크리트 성능을 평가하고 콘크리트 시설물의 유지관리를 결정하는 의사결정 정보 Data Mining ② 콘크리트 유지관리를 위한 DCNN 기반 사진판독형 콘크리트 성능평가 프로그램 - 외부 실험 데이터를 이용하여 사진판독형 성능평가 프로그램 검증 - 사진판독형 콘크리트 성능평가 시스템의 신뢰도 향상을 위한 지속적인 피드백 제공 ○ DCNN 기반 콘크리트 시설물 성능평가 알고리즘 구현 ① 성능지표의 최적 접근을 위한 DCNN 모델의 알고리즘 최적화 - 1차년도에 설계된 딥러닝 모델(DCNN)을 하나의 모델로 융합과 성능 향상을 위해 데이터 전처리 및 효과 분석 - 다양한 데이터 전처리 설계를 통한 각 전처리별 데이터의 융합 알고리즘의 성능 향상 실험 ② DCNN 기반 콘크리트 시설물 성능평가 알고리즘 구현 - DCNN 융합 모델의 예측 속도 향상을 위한 모델 구조 설계 - Model compression 기법을 사용하여 고속 DCNN compression 실험 |
|||||
| 색인어 | 한글 | 유지관리 | 성능평가 | 딥러닝 | 알고리즘 | 시스템 |
| 영문 | Maintenance Management | Performance Evaluation | Deep Learning | Algorithm | System | |
| 최종보고서 | 최종보고서_시설물 유지관리를 위한 Deep Convolutional Neural Network (DCNN) 기반 사진판독형 콘크리트 성능평가 시스템 개발.pdf | |||||