Image-based Spalling Detection of Concrete Structures Using Deep Learning

Abstract

현재 콘크리트 구조물은 균열, 박리, 박락, 철근노출, 골재분리 등의 외관손상을 찾기 위한 육안 검사를 기반으로 정기적 유지관리가 수행되고 있다. 그러나 이는 많은 노동력과 시간을 필요로 하며 작업 인력의 위험도가 높다. 본 연구에서는 딥러닝을 이용한 영상기반의 콘크리트 박락 탐지 기술을 개발하였다. 먼저 학습 이미지 데이터는 웹스크레이핑 기법을 이용하여 수집되며, 수집된 이미지들은 박락, 이음부 및 모서리, 무손상 표면, 기타로 분류된다. 여기에 이미지 증강 기법을 적용하여 학습이미지 수를 증가시킨다. 기존에 이미지 분류를 목적으로 개발된 합성곱신경망인 AlexNet을 일부 조정하여 사용하는 전이학습기법을 이용하여, 콘크리트 박락을 탐지하는 이미지 분류기를 개발하였다. 윈도우 크기만큼 움직이는 두 개의 겹치는 윈도우를 슬라이딩하면서 각각의 윈도우에 개발된 분류기를 적용하였다. 그리고는 분류기의 최종 softmax 층에서 출력되는 스코어의 평균을 이용하여 확률지도를 작성하였다. 마지막으로, 박락에 대한 신뢰도 값이 25 % 이상이 되는 픽셀을 박락으로 판정하였다. 개발된 방법은 14개의 철근노출 및 철근무노출 박락 이미지를 이용하여 검증하였다. 14개의 이미지에 대해 박락은 모두 잘 찾을 수 있었으며, 박락의 탐지능력을 보여주는 재현율은 픽셀 레벨에서 80 % 이상으로 나타났다. 본 개발 방법은 박락뿐만 아니라 다양한 손상 유형에도 확장이 가능할 것으로 판단된다.