Faster R-CNN을 활용한 드론 이미지 기반 철근 배근 자동 검출 모델 개발

Abstract

국내 건설현장의 철근콘크리트구조에서 철근은 건축물의 내구성, 안정성, 경제성 등에 많은 영향을 미치는 주요 관리요소이다. 따라서 건설 현장 시공관리자와 감리자는 표준시방서와 체크리스트에 근거하여 철근 배근 품질을 관리하며, 이 과정에서 철근 개수를 확인하는 것은 가장 기본적이고 중요한 관리 요소에 해당된다. 그렇기 때문에 철근 배근을 관리, 검측 하는 업무는 체계적이고 정확한 방법이 요구되지만 현재 철근 배근을 확인하는 방법은 노동 집약적인 방법으로 관리자의 육안에 의한 전수조사 방식에 의존하고 있다. 따라서 품질과 경제성을 확보하기 위해 기존의 노동집약적인 방식을 자동화 하고자 드론의 RGB 카메라와 딥러닝을 이용하여 철근 배근 검출을 제안하고자 한다. 드론으로 촬영한 기둥 철근 평면 이미지를 활용해 수직 철근의 수량을 검출하는 모델을 제안하기 위해 배근 완료된 기둥의 평면 이미지를 취득하고 어노테이션과 어그맨테이션을 진행했다. 그리고 Faster R-CNN을 활용해 기둥 철근 이미지에서 철근을 인식하고 수량을 파악했다. 이 연구에서 제안한 모델을 통해 드론으로 철근 배근 이미지를 취득한 후 Faster R-CNN을 활용해 배근된 철근을 95.8%의 정확도로 검출할 수 있었다. 건설 현장에 산재해있는 자재에 의한 간섭, 철근단면의 녹 여부, 보호캡 사용 여부 등 이상적인 실험환경이 아닌 실제 다양한 건설현장에서의 간섭 상황에서도 검출이 가능하였다. 하지만 일광에 의한 그림자 간섭이 있을 경우, 육안으로 식별하기 어려운 높은 높이에서 촬영된 이미지의 경우 상대적으로 정확도가 낮았다. 본 연구를 통해 향후 연구에서는 보다 많은 데이터 수집으로 검출 정확도를 향상시키고, 더 나아가 철근 간의 간격, 철근 두께 등 배근 이미지에서 더 세부적인 정보를 수집해 철근 배근의 정확성을 향상시키기 위한 기초 자료로 활용될 수 있다.|Inspecting the number of rebars in each column is an important task as a common rebar inspection process. Advancements in UAVs (Unmanned Aerial Vehicles) equipped with an RGB camera enable the efficient collection of informative images for inspection of number of rebars. However, manually counting the rebars from images is very time consuming and labor-intensive. To provide a robust and automated means for counting the rebars observation, this study develops a framework based on deep learning. The proposed framework consists of photography, image augmentation, image annotation, and application of Faster R-CNN. The detection model was trained using original and augmented images with the adjustment of hyperparameters. As a result, the best model showed 95.8% in validation dataset. In real test, when model was applied to unseen dataset, the performance had 95.8%, which is similar to the result of validation.