머신러닝을 활용한 콘크리트 크랙 예측

Abstract

경제성과 내구성이 좋아 국내 건축 구조물의 상당 부분을 차지하고 있는 콘크리트 구조물에서 발견되는 균열은 구조물의 노후화가 진행됨에 따라 재료환경의 변화 등 다양한 요인으로 인해 발생한다. 댐이나 방파제와 같은 대형 구조물에도 사용되고 있지만 이런 대형 구조물은 기존 콘크리트 크랙 검사를 위한 접근이 어렵다는 한계점이 있다. 기존 콘크리트의 크랙을 분석하기 위해서는 관련 전문가들이 직접 현장에서 육안으로 현미경, 카메라 등을 이용해서 조사해야 하기 때문에 전문가의 경험과 기술에 따라 신뢰성이 떨어지는 경우도 존재한다. 따라서, 본 논문에서는 머신러닝을 이용하여 콘크리트 크랙을 예측하고 분 석하여 건축 구조물의 안전성과 정확성을 향상시키고자 한다. 본 논문에서 제안한 모델은 머신러닝 방법의 한 종류Convolution Neural Network(CNN)을 이용하고 CNN의 다양한 알고리즘을 활용하였다. Train 단계에는 ResNet 50,Validation 단계에는 ResNet을 활용하지 않고 VGG Net 16,Testing의 단계에서는 10%의 데이터로 알고리즘을 테스팅을 활용하는 3단계를 활용하였다. 이로 인하여 크랙 예측에 더 높은 정확도를 측정할 수 있었으나 코드와 CPU의 한계로 트레이닝을 하는데 있어 시간이 오래 걸린다는 (약 4시간 소요) 단점이 있으며 다수의 이미지를 활용하는 경우 속도에 한계가 발생 할 수 있음을 알 수 있었다. 그럼에도 불구하고 본 연구에서 제안한 시스템이 기존의 방식보다 크랙의 예측도를 향상시킬 수 있음을 증명하였다.