딥러닝 기반 드론 및 모바일 이미지 수집을 통한 콘크리트 균열 검출성능 비교 분석

Abstract

최근 극심한 기후변화로 인해 전국적으로 여름 우기철에 많은 비가 내렸으며, 특히 22년 8월에는 기록적 폭우로 1시간 최대 강우량 141.5mm/hr로 서울의 역대 최고 강우량을 새롭게 갱신하였다. 이에 따라 건축물의 외벽 균열은 우천 등 외부 문제에 의해서 우수 유입이 될 수 있고, 입주자가 거주하고 있는 공동주택에서 외벽 균열 누수로 인해 입주자는 하자로 인한 생활 및 거주 불편, 시공사는 누수 보수비용 및 피해물품 보상 등 양측간 많은 피해와 비용이 발생되고 있는 실정이다. 그리고 외벽 균열, 즉 콘크리트 균열이 발생되면 철근 부식 등 구조상 안전 문제가 발생될 수 있다. 이에 따라 구조물의 수명관리와 구조적 안전성 확보를 위해 외벽의 안전점검을 적시적소에 효과적으로 수행하기 위한 중요성이 대두되고 있다. 그러나 기존의 건축물 외벽 등 점검기술은 거의 인력에 의해 수행되고 있어 고층부위 난해 및 과도한 점검시간 소요, 과도한 점검비용 등 쉽게 점검하지 못하는 한계가 있고 휴먼 에러 등 육안 점검은 한계점이 존재한다. 그리하여 본 논문에서는 심각한 하자인 콘크리트 균열 검출성능 비교 분석 연구를 진행할 예정이다. 이를 위해 이미지 처리기법에 우수한 ResNet-101과 ResNeSt-101, 2개의 모델을 오픈데이터세트로 훈련 및 학습하여 2개 모델 중 1개 모델을 선정한 뒤 최근 균열 이미지 수집에 자주 사용되는 드론과 실제 현장에서 대부분의 관리자나 작업자 누구나 갖고 있는 통상적인 휴대폰으로 촬영된 콘크리트 균열 이미지를 수집하여 선정된 모델로 드론 및 휴대폰 균열검출 비교 분석을 실시했다. 본 연구의 결과는 기존 육안 점검 방식보다 기계 학습 방법의 효율성 및 신뢰성을 나타내고 있으며, 실제 현장에서 균열 촬영 시 촬영각도, 거리 등 어떠 제약을 두지 않고 촬영된 균열 이미지로 검출성능에 적합한지 효율성 및 신뢰성을 나타내고 있다. 추후 해당 모델 외 다양한 이미지 처리 기법과 촬영거리, 각도, 음영, 빛반사, 굴곡, 굴절 등 변수를 대입한 다양한 연구를 진행할 필요가 있다고 사료된다.

|Recently during summer seasons heavy rainfall has occurred due to severe climate change in the whole nation, and in particular a record breaking rainfall took place as 141.5mm/hr, which is the highest rainfall record in Seoul in an hour in August, 2022. Accordingly, cracks on the exterior walls may cause rain penetration due to heavy rain. In addition, residents experience the inconvenience of living and staying at home, which is in apartments, and construction companies spend a lot of money to repair the water leaks and to compensate resident’s losses because of the water leak defect. In fact, there have been a lot of damages and costs for both of them. Moreover, if the cracks on exterior walls, which is concrete crack, happens, it would lead to structural safety issues including corrosion of reinforcement. It is being raised that safety inspections on the exterior walls should be conducted at appropriate periods and points effectively in order to manage lifespan and to have security of buildings. However, the exterior inspection skills on exterior walls of structures are conducted by almost human labor, so that there are some limitations such as it is difficult to check high-rise spots, it spends a lot of time inspecting the cracked spots, and it costs extremely. In addition, visual checks have limitations like human errors. Therefore, this study is to compare and analyze detecting performance of concrete cracks, which are significant defects. For that, this study made two models that are ResNet-101 and ResNeSt-101, excellent in image processing techniques, trained and learned with an open dataset. After having selected one model out of the two models, this study operated comparison and analysis of detecting cracks with concrete crack images collected by drone and cell phones that most supervisors or workers use generally. As a result of the comparison and analysis, the machine learning method is more effective and reliable than the traditional visual check method. It shows efficiency and reliability of the detecting performance by using collected crack images, captured without any limitations such as shooting angles or distances in the actual fields. This study suggests that various further research should be needed by incorporating many variables such as image processing techniques, shooting distance, shooting angles, shading, light reflection, curvature, refraction, and more.