딥러닝 기반의 이미지 세그멘테이션을 이용한 가상의 골재 시험 시뮬레이션 개발
- Title
- 딥러닝 기반의 이미지 세그멘테이션을 이용한 가상의 골재 시험 시뮬레이션 개발
- Other Titles
- Virtual Coarse Aggregate Analysis Simulation using Image Segmentation based on Deep Learning
- Author
- 박현우
- Advisor(s)
- 박태준
- Issue Date
- 2021. 2
- Publisher
- 한양대학교
- Degree
- Master
- Abstract
- 최근 골재의 부족 현상으로 양질의 골재 수급이 어려워져 골재 폐기물에서 재활용되는 순환 골재와 같이 천연 골재에 비해 품질이 좋지 않은 골재의 유통이 증가하고 있다. 품질이 떨어지는 골재의 사용 시 건물 공사나 타설에 영향을 끼치게 되어 불량 공사가 우려되는 실정이다. 이와 같은 현상을 막기 위해선 골재의 품질 검사를 수행하여 골재의 유통을 막아야 하지만 실제 공사 현장에서 품질 검사를 수행하려면 규격에 명시된 품질 검사 기구를 통해서 해야 하므로 장비가 추가로 필요하고 공사 현장을 차지하므로 비용이 소모된다. 또한, 검사를 수행하기 위해서 골재를 절건하는 과정이 포함되므로 검사 시간이 지연된다는 단점이 존재하기 때문에 제조업체의 일부 표본에 대한 골재 시험 결과에만 의존하고 있어 실제 불량률이 높게 발생하고 있다.
본 연구에서는 이러한 문제점을 해결하기 위해 모바일 디바이스를 통한 촬영으로 품질 검사를 수행하고자 한다. 촬영된 골재 이미지를 세그멘테이션으로 골재를 분류하고 분류된 골재를 가상의 환경에서 시험을 구현하여 품질 검사 예측 값을 출력한다. 본 시스템에서는 품질 검사 항목 중 조립률과 입형에 대해 출력하도록 구현되어 가상 체가름 시험과 단위용적중량 시험을 수행한다. 이 시스템에서는 이미지를 통해 시험을 수행하므로 골재의 세그멘테이션 성능이 많은 영향을 주게 된다. 그러므로 골재의 세그멘테이션을 사람이 수행한 것과 딥러닝 기법 중 Mask R-CNN으로 수행하여 둘의 성능을 비교하였다.
제안된 가상환경에서 골재 분석 성능을 검증하기 위해 30개의 사람의 세그멘테이션으로 생성된 데이터를 수집하였으며, 검증 결과로 조립률은 0.81, 입형은 0.48의 상관 계수를 얻었고, 500개의 Mask R-CNN으로 생성된 데이터에서는 조립률 0.57, 입형은 0.22의 상관 계수를 얻었다.
- URI
- https://repository.hanyang.ac.kr/handle/20.500.11754/159140http://hanyang.dcollection.net/common/orgView/200000485951
- Appears in Collections:
- GRADUATE SCHOOL[S](대학원) > DEPARTMENT OF CONVERGENCE ROBOT SYSTEM(융합로봇시스템학과) > Theses (Master)
- Files in This Item:
There are no files associated with this item.
- Export
- RIS (EndNote)
- XLS (Excel)
- XML