Concrete crack identification by integrating image processing techniques for rapid assessments

Abstract

콘크리트 구조물에는 다양한 원인으로 균열이 발생하고 이는 종류에 따라 구조물의 안전성에 영향을 미친다. 따라서 균열을 분석하여 종류를 파악하고 보수가 필요한지에 대한 여부를 판단하기 위해 효율적인 방법들이 제시되고 있다. 기존 균열 분석 방법은 스캐닝장비를 이용하여 균열을 측정하여 평가하며, 이 방법은 고가의 장비와 전문가의 개입을 필요로 한다. 최근 이미지처리 기술의 발달로, 이미지를 활용해 보다 효율적으로 균열을 분석하기 위해 이미지 처리 기반 균열 분석에 대한 다양한 연구가 진행되고 있다. 현재까지의 이미지 기반 분석 방법은 대표적으로 딥러닝 방식과 이미지 프로세싱 방식이 개발되었다. 딥러닝 방식은 테스트데이터의 사이즈 및 계산 처리 속도에 따라 시간이 소요되며, 픽셀 단위 분석에 한계가 있어 균열의 유무를 판단하는 검출 외 분석에는 어려움을 겪고 있다. 반면 이미지 프로세싱 방식은 픽셀 단위로 분석이 가능하지만 균열검출에 있어 정확도가 낮다는 단점을 가진다. 본 연구는 핸드폰 카메라를 통해 얻은 균열이미지를 이미지 전처리과정을 거쳐 Canny 알고리즘을 적용하고 이를 향상시키기 위해 추가적인 처리를 하여 균열 검출 결과를 향상시켰다. 균열이 검출된 이미지에서 균열을 범주화 시키고 각 범주를 바탕으로 이미지에서 균열의 길이를 추정하였다. 나뉜 범주를 바탕으로 구조적 균열과 비구조적 균열을 분류하였다. 마지막으로 회색조이미지의 픽셀 값을 이용하여 균열의 깊이를 추정하여 균열 분석을 마쳤다. 실제 촬영 이미지와 해당 구조물의 균열 길이와 깊이를 측정하여 본 연구가 제안한 방법과 결과를 비교함으로써 타당성을 검증하였다. 제안된 알고리즘은 통합 이미지 처리 방식을 이용하여 구조적 균열과 비구조적 균열을 분류해내고 균열의 평가에 가이드라인을 제시할 수 있는 수준까지 분석하였다.; Detecting cracks on a concrete structure is crucial in the maintenance, for a crack being an indicator of possible damage. Conventional crack detection methods, which include visual inspection and non-destructive equipment, are typically limited to a small region and require time-consuming processes. Recently, to reduce the human intervention in the inspection, various researchers sought image-based crack analyses; which in large are a deep learning-based method and image processing-based method. The deep learning-based methods can detect cracks with high accuracy while in-depth information except existence is hardly obtained. Alternatively, the image processing-based methods can extract pixel information using an edge detection filter. However, the accuracy depends upon the surface of the concrete, and still limited information is provided. To this end, an algorithm that can provide integrated information about a crack for rapid assessment is limited. Thus, this study proposes an image processing procedure targeting to be implemented for a portable device with rich information: crack length, types, classification, and depth. Pixel-by-pixel analyses have been conducted for labeled fields which are sorted from edge detected and pixel refined image. The proposed method is then verified from field measured images, showing good accuracy. The successful results of the presented study show potentials for providing evaluation guidelines from a portable device.