KR101772916B1 - Device for measuring crack width of concretestructure - Google Patents
Device for measuring crack width of concretestructure Download PDFInfo
- Publication number
- KR101772916B1 KR101772916B1 KR1020160183296A KR20160183296A KR101772916B1 KR 101772916 B1 KR101772916 B1 KR 101772916B1 KR 1020160183296 A KR1020160183296 A KR 1020160183296A KR 20160183296 A KR20160183296 A KR 20160183296A KR 101772916 B1 KR101772916 B1 KR 101772916B1
- Authority
- KR
- South Korea
- Prior art keywords
- alarm signal
- crack
- switch
- circuit
- cracks
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/30—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring roughness or irregularity of surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
Description
본 발명은 촬영영상과 인공지능 알고리즘 기반의 균열검출 자동화 프로그램을 이용한 터널 라이닝 표면의 균열 검출 방법 및 시스템에 관한 것으로, 특히 터널을 실시간 촬영하면서 획득된 영상정보를 기반으로 터널 균열을 파악하되 CNN 기법을 적용하여 보다 신속하고 정확하게 터널 표면의 균열을 검출하도록 하는 것을 특징으로 하는 촬영영상과 인공지능 알고리즘 기반의 균열검출 자동화 프로그램을 이용한 터널 라이닝 표면의 균열 검출 방법 및 시스템에 관한 것이다.The present invention relates to a method and system for detecting cracks on a surface of a tunnel lining using a shot image and an artificial intelligence algorithm-based crack detection automation program. More particularly, the present invention relates to a method and system for detecting cracks on a tunnel surface, The present invention relates to a method and system for detecting cracks on a surface of a tunnel lining using an automated program based on a shot image and an artificial intelligence algorithm.
현재 우리나라는 세계 5번째 고속 철도 시대를 도약하며 전반적인 사회기반시설물들이 증가하면서 유지관리에 대한 관심이 점점 고조되고 있는 추세이다. 특히 전 국토의 70%정도가 산악지대로 최적의 선형조건을 고려한 설계의 불가피성과 맞물려 대단면 장대터널의 수량은 급격하게 증가하고 있으며 예방차원 유지관리에 대한 관심도 상대적으로 증가되고 있는 실정이다.At present, Korea is leaping into the world's fifth high-speed railway age, and the interest in maintenance is increasing as the overall infrastructure infrastructure increases. In particular, 70% of the entire country is in mountainous area, and the quantity of large - scale tunnel tunnels is rapidly increasing due to the inevitability of design considering optimal linear conditions.
현재의 유지관리는 시설물 안전관리에 관한 특별법에 정한 주기나 수준에 의해 점검 및 진단을 하며 이러한 과정에서 가장 중요한 기본조사인 외관조사는 육안에 의존하여 수행되고 있는 실정이다.The current maintenance is checked and diagnosed according to the period or level specified in the Special Law on Facilities Safety Management, and the most important basic survey in this process is the visual inspection, which is performed by visual inspection.
그러나 육안에 의한 조사는 점검자 주관에 의존하기 때문에 누락이나 오류로 인해 자칫 대형사고로 이어질 수 있으며 정밀하고 객관적인 점검결과가 필요한 실정이다.However, since the inspection by the naked eye depends on the supervision of the inspectors, omission or errors may lead to major accidents, and precise and objective inspection results are necessary.
특히, 터널에 있어 균열의 진행성은 그 무엇보다도 중요한 사항으로 기존의 육안조사 결과로는 그 경향을 파악 하는 것이 어렵다.In particular, the progress of cracks in tunnels is an important issue, and it is difficult to grasp trends based on existing visual inspection results.
이러한 문제를 해결하기 위해 터널 내부면의 외관을 촬영하여 터널에 발생한 이상을 계측하는 장치가 개발되었으나, 종래의 장치는 촬영한 영상을 분석할 때 초기 공사도면과 촬영된 사진만을 비교하여 균열을 분석하여 다른 잘못된 분석결과가 도출되었다.In order to solve such a problem, a device for measuring the anomaly occurred in the tunnel by photographing the appearance of the inner surface of the tunnel has been developed. However, when analyzing the captured image, the conventional device compares only the initial construction drawing with the photographed image, Other misleading analysis results were obtained.
따라서 보다 정확하게 터널에 발생한 균열을 분석할 수 있는 터널 균열 검사 장치 및 검사 방법의 개발이 요구되고 있는 실정이다.Therefore, it is required to develop a tunnel crack inspection apparatus and an inspection method that can more accurately analyze cracks occurring in a tunnel.
한편, 이를 해결하기 위한 종래기술로서 등록특허 제 10-1538763호에는 터널의 구조적인 균열, 백태, 누수및 외에 부대시설물의 조면, 전기 부착물 및 볼트 등 터널 내의 모든 구조물에 대해 검사가 가능한 터널 균열검사 장치 및 그 제어방법을 사용자에게 제공하는 기술개념이 제안되어 있는바, 도 1 및 도 2에 도시한 바와 같으며, 그 기술내용을 요약하면, 터널 내부면의 영상을 획득하는 복수의 카메라, 상기 영상을 획득하기 위해 상기 터널 내부면에 빛을 공급하는 조명등, 상기 터널 내부면에 레이저를 조사하여 상기 터널 내부면의 굴곡에 관한 제 1 정보를 획득하는 3D 레이저 스캐너, 상기 터널 내부면에 존재하는 균열을 분석하는 제어부, 상기 복수의 카메라, 상기 조명등, 상기 3D 레이저 스캐너 및 상기 제어부가 장착되는 몸체 및 상기 터널을 따라 상기 몸체를 이동시키는 이동수단을 포함하고, 상기 몸체는 상기 터널 내부면의 형태에 따라 결정된 부채꼴 기둥 형태이며, 상기 복수의 카메라는 상기 몸체의 곡면 중 적어도 일부에 종렬로 장착되고, 상기 제어부는, 상기 복수의 카메라 각각이 획득한 복수의 영상 각각을 종렬 및 횡렬로 이어 제 1 이미지를 생성하고, 상기 제 1 정보와 상기 제 1 이미지를 이용하여 상기 터널 내부면의 균열에 관한 제 2 정보를 생성할 수 있다.As a conventional technique for solving this problem, Japanese Patent Registration No. 10-1538763 discloses a tunnel crack inspection system capable of inspecting all structures in tunnels such as structural cracks of tunnel, white spots, leaks, roughening of auxiliary facilities, 1 and 2, which is a concept of providing a user with an apparatus and a control method thereof. In summary, the technical concept includes a plurality of cameras for acquiring images of an inner surface of a tunnel, A 3D laser scanner for irradiating a laser beam to the inner surface of the tunnel to acquire first information on the curvature of the inner surface of the tunnel to acquire images, A controller for analyzing a crack, a body on which the plurality of cameras, the illumination lamp, the 3D laser scanner, and the control unit are mounted and the tunnel Wherein the body is in the form of a fan-shaped column determined according to the shape of the inner surface of the tunnel, the plurality of cameras are mounted in at least a part of the curved surface of the body in an array, Generating a first image by arraying a plurality of images obtained by each of the plurality of cameras in a column and a row, generating second information related to a crack in the inner surface of the tunnel using the first information and the first image, can do.
그리고, 종래기술은 카메라의 촬영영상을 이용하여 터널내부의 균열을 보다 정확하게 파악할 수 있는 장점을 제공한다.In addition, the prior art provides an advantage that a crack in the tunnel can be more accurately grasped by using a photographed image of a camera.
그러나, 기존의 방법들은 획득된 영상의 명암을 기반으로 엣지를 추출하거나 원본과 블러된 영상의 차를 이용하는 방법이 대표적것으로서, 실제로 획득된 균열 영상은 많은 조건(조명의 밝기, 균열의 크기, 외부 잡음등)을 포함하고 있어 균열 검출에 많은 어려움을 주는 문제점이 있다.However, existing methods are based on extracting an edge based on the brightness of the acquired image or using a difference between the original image and the blurred image. As a result, the obtained crack image has many conditions (brightness of illumination, Noise, etc.), which makes it difficult to detect cracks.
즉, 기존의 방법들은 균열영상의 명도에 기반하여 검출된 특징들을 이용하여 균열 영역을 획득하였으나, 이러한 방법들은 입력 영상에서 배경과 균열의 밝기 차이가 크거나, 비교적 잡음이 적은 영상에 대해서는 좋은 결과를 보였지만 그렇지 않은 경우 비교적 좋지 못한 결과를 보인 것이다.That is, the conventional methods acquire the crack region using the detected features based on the brightness of the crack image. However, these methods have a problem in that the brightness difference between the background and the crack is large in the input image, , But otherwise the results were relatively poor.
본 발명은 상기와 같은 문제를 해결코자 하는 것으로,The present invention is intended to solve the above problems,
최근 다양한 분야에서 사용되고 있는 딥러닝 기반의 CNN(Convolutional Neural Network)을 사용하여 터널에서 균열을 검출하는 방법을 제공하는데 그 목적이 있다.It is an object of the present invention to provide a method of detecting a crack in a tunnel by using a deep running CNN (Convolutional Neural Network) used in various fields.
상기 목적을 달성하기 위한 수단으로,As means for achieving the above object,
본 발명은 터널 내부의 콘크리트 표면을 촬영하는 단계와; 촬영된 영상을 분석하여 균열을 파악하고 디스플레이장치를 통해 분석된 자료를 출력하는 단계를 포함하여 이루어지되; 콘크리트 표면을 촬영한 정지영상 또는 동영상 이미지와 객체인식을 위한 인공지능 알고리즘 중 하나인 합성곱 신경망(CNN)기법을 이용하여 콘크리트 표면에 발생한 균열을 검출하고, 상기 균열 검출 방법은 균열후보군을 최종균열과 노이즈(잡음)로 구분하기 위해, 균열의 특징 및 균열의 각 특징 간의 상관관계를 입력변수로 한 Feed Forward 신경망 기법을 활용한 후처리 과정을 포함하되, 상기 균열의 특징에는 균열의 명도, 원형도, 면적 대비 둘레(둘레/면적), 면적, 직경, 방향성 강도, 직진성, 두께가 포함되는 것이 특징이다.The present invention relates to a method of manufacturing a tunnel, comprising: photographing a concrete surface inside a tunnel; Analyzing the photographed image to grasp the crack and outputting the analyzed data through the display device; A method for detecting cracks on a concrete surface by using a composite neural network (CNN) technique, which is one of an artificial intelligence algorithm for recognizing a still image or a moving image and an object photographing a concrete surface, And a post-processing using a feed forward neural network technique in which a correlation between features of a crack and characteristics of a crack is used as an input variable in order to classify the cracks into noise and noise (noise) (Circumference / area), area, diameter, directional strength, straightness, and thickness.
삭제delete
또한, 상기 균열 검출 방법은 균열후보군을 최종균열과 노이즈(잡음)로 구분하기 위해, 균열의 특징 및 균열의 각 특징 간의 상관관계를 입력변수로 한 의사결정트리(Decision Tree) 기법을 활용한 후처리 과정을 포함하되, 상기 균열의 특징에는 균열의 명도, 원형도, 면적 대비 둘레(둘레/면적), 면적, 직경, 방향성 강도, 직진성, 두께가 포함하여 구성함이 특징이다.In addition, in order to classify the crack candidates into the final cracks and noise (noise), the above crack detection method uses a decision tree technique in which the correlation between the characteristics of the cracks and the characteristics of the cracks is used as an input variable The characteristics of the crack include a brightness, a circularity, a peripheral circumference (area / area), an area, a diameter, a directional strength, a straightness, and a thickness of a crack.
또한, 콘크리트 균열 검출을 위해서 터널 내부를 촬영하는 카메라(10)와, 카메라에서 촬영된 영상을 합성곱 신경망(CNN)기법으로 처리하여 균열정보를 파악하는 제어부(20)와, 상기 제어부(20)에서 파악한 균열정보가 미리 입력된 균열상태를 초과한 것으로 판단되면 제어부의 제어신호에 따라 경보음을 출력하는 경보신호 자동 출력부(1000)를 포함하여 이루어지고; 상기 경보신호 자동 출력부(1000)는, 자체 전원에 의해서 전원신호를 인가시키는 전원부(1101)와; 제어부로부터 신호를 인가받아 전원 회로를 스위칭시키는 경보신호 출력부(1102)와; 상기 전원부가 온 되면 전기가 공급되어 승압된 교류 전류를 출력하는 발진 트랜스(1103)와; 상기 발진 트랜스(1103)의 출력단에 연결되어 전기적 공급에 의해서 온 되는 릴레이 작동용 스위칭부(1108)와; 상기 릴레이 작동용 스위칭부(1108)의 출력단에 설치되며 자기력을 발생시키는 릴레이 스위치(1107)와; 상기 릴레이 스위치(1107)에 의해서 철편이 당겨지면서 회로를 통전시키는 기능을 수행하는 제 1 회로 연결 스위치(sw1)와; 상기 릴레이 스위치(1107)에 의해서 철편이 당겨지면서 경보신호 출력 제어부(1140)에 전원이 공급되어 경보신호가 디스플레이 되도록 유도하는 경보신호 출력용 전원 스위치(sw2)와; 상기 제 1 회로 연결 스위치에 접점되어 전원 유지용 스위치부를 온 시키는 회로 작동용 철편(1131)과; 상기 회로 작동용 철편에 연동하여 동작하도록 설계되며 회로 작동용 철편이 온 되면 경보신호 출력 제어부에 전원을 연결하여 경보장치가 작동되도록 유도하는 경보신호 출력 제어부 전원 연결용 철편(1132)과; 상기 제 1 회로 연결 스위치와 베이스단이 연결되고 에미터단 및 콜렉터단이 발진 트랜스(1103) 및 릴레이 작동용 스위칭부(1108)에 연결되며, 릴레이 작동용 스위칭부(1108)의 작동으로 철편이 당겨지면서 폐회로를 형성하면서 스위칭이 온 되어 이후 릴레이 스위치(1107)가 작동한 것을 중단키고, 이때 강제로 제 1 회로 연결 스위치(sw1) 및 경보신호 출력용 전원 스위치(sw2)를 오프시키게 되면 폐회로가 깨지면서 스위칭이 오프되고 아울러 릴레이 작동용 스위칭부(1108)가 온 되어 릴레이 스위치가 온 됨으로서 제 1 회로 연결 스위치(sw1) 및 경보신호 출력용 전원 스위치(sw2)를 온시켜 계속적으로 경보신호가 출력되도록 유도하는 전원 유지용 스위칭부(1118)를 포함하여 구성함이 특징이다.A
또한, 상기 경보신호 자동 출력부(1000)는, 상기 제 1 회로 연결 스위치와 회로 작동용 철편 사이에 설치되어 미작동시 제 1 회로 연결 스위치와 회로 작동용 철편이 항상 오프상태를 유지하도록 유도하는 탄발 스프링(1133)과; 상기 제 1 회로 연결 스위치의 일단에 설치되며 릴레이 스위치 작동시 회로 작동용 철편이 끌어당겨져 제 1 회로 연결 스위치가 스위칭되면 회로 작동용 철편을 부착시켜 릴레이 스위치의 작동이 멈추어도 전원 유지용 스위칭부의 온 상태를 지속시키는 영구자석(1134)과; 상기 회로작동용 철편과 경보신호 출력 제어부 전원 연결용 철편에 결합되며, 경보신호 작동을 중단시키기 위해 사용자가 조작하면 회로 작동용 철편과 경보신호 출력 제어부 전원 연결용 철편을 오프시켜 경보신호 디스플레이부의 동작을 중단시킴으로서 더이상 경보신호가 출력되지 않토록 유도하는 수동 작동 스위치(1135)를 더 포함하여 구성함이 특징이다.The automatic alarm
상술한 바와 같이 본 발명은 터널에서의 균열 검출을 기존의 점검자가 직접 터널에서 육안검사를 하는 방법이 아닌 터널 라이닝을 촬영한 영상을 제안하는 방법을 이용하여 균열을 검출 할 수 있다. 따라서 기존의 문제점이었던 균열 판별의 객관성과 자원, 시간의 소모 등의 문제를 해결 할 수 있다.As described above, the present invention can detect a crack in a tunnel by using a method in which a conventional inspector directly suggests an image taken by a tunnel lining, rather than a method of performing a visual inspection in a tunnel directly. Therefore, it is possible to solve problems such as objectivity, resources and time consuming of crack discrimination which is a conventional problem.
도 1 및 도 2는 종래개술 개념도.
도 3은 CNN을 이용한 균열 검출 개념도.
도 4는 도 3의 요부 확대도.
도 5는 입력영상 실시예도.
도 6은 정답영상 실시예도.
도 7은 CNN을 이용하여 획득된 확률지도 실시예도.
도 8은 이진화 영상 실시예도.
도 9는 본 발명을 이용하여 잡음처리된 최종영상.
도 10은 본 발명의 회로구성 블록도.
도 11은 본 발명의 회로도.
도 12는 도 11의 요부 확대도.FIG. 1 and FIG.
3 is a conceptual view of crack detection using CNN.
4 is an enlarged view of the main part of Fig.
5 shows an input image embodiment.
FIG. 6 shows a correct answer image embodiment. FIG.
Figure 7 also shows a probability map embodiment obtained using CNN.
8 shows a binarized image embodiment.
9 is a final image subjected to noise processing using the present invention.
10 is a circuit block diagram of the present invention.
11 is a circuit diagram of the present invention.
12 is an enlarged view of the main part of Fig.
이하 첨부된 도면과 설명을 참조하여 본 발명의 바람직한 실시예에 대한 동작 원리를 상세히 설명한다. 다만, 하기에 도시되는 도면과 후술되는 설명은 본 발명의 특징을 효과적으로 설명하기 위한 여러 가지 방법 중에서 바람직한 실시 방법에 대한 것이며, 본 발명이 하기의 도면과 설명만으로 한정되는 것은 아니다.The operation principle of the preferred embodiment of the present invention will be described in detail with reference to the accompanying drawings and description. It should be understood, however, that the drawings and the following detailed description are exemplary and explanatory and are intended to provide further explanation of the invention, and are not to be construed as limiting the present invention.
또한, 하기에서 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 발명에서 전반에 걸친 내용을 토대로 내려져야 할 것이다.In the following description of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear. The terms used below are defined in consideration of the functions of the present invention, which may vary depending on the user, intention or custom of the operator. Therefore, the definition should be based on the contents throughout the present invention.
또한, 이하 실시되는 본 발명의 바람직한 실시예는 본 발명을 이루는 기술적 구성요소를 효율적으로 설명하기 위해 각각의 시스템 기능구성에 이미 구비되어 있거나, 또는 본 발명이 속하는 기술분야에서 통상적으로 구비되는 시스템 기능구성은 가능한 생략하고, 본 발명을 위해 추가적으로 구비되어야 하는 기능구성을 위주로 설명한다.It is to be understood that both the foregoing general description and the following detailed description of the present invention are exemplary and explanatory and are intended to provide further explanation of the invention as claimed. The configuration is omitted as much as possible, and a functional configuration that should be additionally provided for the present invention is mainly described.
만약 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면, 하기에 도시하지 않고 생략된 기능구성 중에서 종래에 이미 사용되고 있는 구성요소의 기능을 용이하게 이해할 수 있을 것이며, 또한 상기와 같이 생략된 구성요소와 본 발명을 위해 추가된 구성요소 사이의 관계도 명백하게 이해할 수 있을 것이다.Those skilled in the art will readily understand the functions of the components that have been used in the prior art among the functional configurations that are not shown in the following description, The relationship between the elements and the components added for the present invention will also be clearly understood.
또한, 이하 실시예는 본 발명의 핵심적인 기술적 특징을 효율적으로 설명하기 위해 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 명백하게 이해할 수 있도록 용어를 적절하게 변형하여 사용할 것이나, 이에 의해 본 발명이 한정되는 것은 결코 아니다.In order to efficiently explain the essential technical features of the present invention, the following embodiments properly modify the terms so that those skilled in the art can clearly understand the present invention, It is by no means limited.
결과적으로, 본 발명의 기술적 사상은 청구범위에 의해 결정되며, 이하 실시예는 진보적인 본 발명의 기술적 사상을 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 효율적으로 설명하기 위한 하나의 수단일 뿐이다.As a result, the technical idea of the present invention is determined by the claims, and the following embodiments are merely illustrative of the technical idea of the present invention in order to efficiently explain the technical idea of the present invention to a person having ordinary skill in the art to which the present invention belongs. .
도 3은 CNN을 이용한 균열 검출 개념도.3 is a conceptual view of crack detection using CNN.
도 4는 도 3의 요부 확대도.4 is an enlarged view of the main part of Fig.
도 5는 입력영상 실시예도.5 shows an input image embodiment.
도 6은 정답영상 실시예도.FIG. 6 shows a correct answer image embodiment. FIG.
도 7은 CNN을 이용하여 획득된 확률지도 실시예도.Figure 7 also shows a probability map embodiment obtained using CNN.
도 8은 이진화 영상 실시예도.8 shows a binarized image embodiment.
도 9는 본 발명을 이용하여 잡음처리된 최종영상FIG. 9 is a block diagram of a noise-
도 10은 본 발명의 회로구성 블록도.10 is a circuit block diagram of the present invention.
도 11은 본 발명의 회로도.11 is a circuit diagram of the present invention.
도 12는 도 11의 요부 확대도로서,Fig. 12 is an enlarged view of the main part of Fig. 11,
먼저, 도 5 내지 도 9는 CNN 기법을 이용하여 획득된 영상으로부터 균열영역을 검출하는 개념을 도시하고 있다.5 to 9 illustrate a concept of detecting a crack region from an image obtained using the CNN technique.
즉, 본 발명은 터널 내부에서 획득된 영상을 이용하여 균열영역을 검출하기 위하여 CNN을 적용하였다. 이전의 균열 검출 방법은 점검자 개개인에 따라 균열 유무를 다르게 판단 할 수 있어 객관성을 보장하기 어렵거나, 영상의 대조비로 인하여 균열의 영역이 명확하지 않을 경우 비교적 좋은 결과를 획득할 수 없었다.That is, in the present invention, CNN is applied to detect a crack region using an image acquired in a tunnel. Previous crack detection methods have not been able to obtain good results because it is difficult to guarantee the objectivity because it can judge the existence of cracks differently according to individual inspectors or if the area of cracks is not clear due to the contrast ratio of images.
그러나 본 발명에 적용되는 CNN은 기존의 방법과 다르게 영상에서 추출한 특징벡터를 분류를 따로 수행할 필요가 없이 특징벡터의 추출과 분류를 통합적으로 수행 할 수 있다.However, CNN applied to the present invention can extract and classify feature vectors without performing separate classification of feature vectors extracted from images, unlike the conventional method.
따라서 학습 데이터로부터 영상 내 균열의 특성을 자동으로 추출해 획득된 터널내 균열을 검출할 수 있도록, 딥 러닝 알고리즘 가운데 하나인 CNN을 활용해서 균열을 감지하는 방법을 제안하였다.Therefore, we proposed a method of detecting cracks by using CNN, one of the deep - run algorithms, to detect the cracks in the obtained tunnel by automatically extracting the characteristics of cracks in the image from the learning data.
본 발명에서 제안하는 방법의 CNN 구조로는 컨볼루션 계층, 풀링 계층, 언풀링 계층, 디컨볼루션 계층으로 이루어져 있다. CNN은 입력 영상에 대하여 컨볼루션 계층과 풀링 계층을 번갈아 가면서 수행함으로써 영상으로부터 인식 대상의 특징을 추출하고 추출된 특징의 차원수를 줄여나가게 된다. 언풀링 계층은 풀링 계층에서 사라진 공간정보들의 문제를 해결하기 위하여 사용된다. 디컨볼루션 계층은 언풀링 계층을 거치면서 작아진 요소들을 학습된 필터를 이용하여 새로운 값을 생성하기 위하여 사용된다. 제안하는 방법에서 CNN의 구조는 128×128 픽셀의 입력 영상을 컨볼루션 계층과 풀링 계층을 거쳐 16×16 크기까지 특징의 차원을 줄이고 언풀링 계층과 디컨볼루션 계층을 통하여 128×128 크기의 확률 지도를 얻는다.The CNN structure of the method proposed by the present invention includes a convolution layer, a pooling layer, a un-pooling layer, and a deconvolution layer. CNN performs the convolution layer and the pooling layer alternately with respect to the input image, thereby extracting the feature of the recognition object from the image and reducing the number of dimensions of the extracted feature. The unpooling layer is used to solve the problem of missing spatial information in the pooling layer. The deconvolution layer is used to generate new values using learned filters through the unopuling hierarchy. In the proposed method, the CNN structure reduces the dimension of the input image to 128 × 128 pixels through the convolution layer and the pooling layer to the size of 16 × 16, and through the un-pooling layer and the deconvolution layer, Get a map.
CNN의 학습 영상으로는 터널 내에서 획득된 영상을 점검자들이 직접 확인하여 태깅한 영상을 사용하였다. 학습에 사용되는 영상의 크기는 2880×2880이며 총 장수는 120장이다. 수동으로 태깅된 120장의 영상은 좌우, 상하로 반전시키고 ±20° 회전시켜 학습데이터의 양을 늘렸다. 회전된 영상은 슬라이딩 윈도우 방식으로 40픽셀씩 이동하며 CNN입력 크기에 맞추어 사용하였다.As a learning image of CNN, the images obtained in the tunnel were directly checked by the inspectors and tagged images were used. The size of the image used for learning is 2880 × 2880 and the total length is 120 pieces. The 120 manually tagged images were inverted left and right, up and down, and rotated ± 20 ° to increase the amount of training data. The rotated image is shifted 40 pixels by sliding window method and used according to CNN input size.
입력받은 영상을 슬라이딩 윈도우 방식으로 겹치지 않게 128×128 크기로 잘라 학습된 CNN의 입력으로 넣어준다.Input image is cut into 128 × 128 size by overlapping with sliding window method and inputted into learned CNN input.
CNN의 출력 값은 균열에 대한 확률지도로 나타나는데 제안하는 방법에서는 비교적 낮은 값인 0.3으로 이진화한다.The output value of CNN is represented by a probability map of cracks. In the proposed method, binarization is performed to a relatively low value of 0.3.
이진화된 영상으로 균열 후보영역을 획득 할 수 있다. 획득된 균열 후보 영역은 균열 영역뿐 아니라 잡음도 포함하고 있는데, 잡음을 제거하기 위하여 제안하는 방법에서는 원형도(Circularity)와 균열 후보영역의 픽셀의 개수를 제안하여 잡음을 제거하였다.A crack candidate region can be obtained from the binarized image. In the proposed method, noise is removed by suggesting circularity and the number of pixels in the crack candidate region.
참고로, 대용량의 사진을 충분한 처리하기 위해서는 영상처리 알고리즘의 최적화와 고속화 병렬처리 기법 등을 고려할 수 있다. 최근 주목받고 있는 딥러닝 학습 알고리즘은 가장 많이 사용되고 있는 학습 알고리즘인 인공신경망의 일종이다. 인공신경망을 포함한 학습 알고리즘들의 성능은 데이터베이스의 품질에 크게 좌우된다. 이러한 데이터베이스의 품질은 충분한 데이터 량과 정확한 레이블링(labeling) 작업을 통해 보장할 수 있다. 기존의 많은 연구들이 정지 또는 저속 주행 환경에서 촬영된 사진으로 균열 검출을 수행하였으나, 본 발명에서는 종래 기술에서보다 더 고속 주행 환경에서 균열을 정확하게 하는 것을 목표로 한다.For reference, optimization of image processing algorithms and high-speed parallel processing techniques can be considered for sufficient processing of large-capacity photographs. Recently, the deep learning learning algorithm is a kind of artificial neural network which is the most used learning algorithm. The performance of learning algorithms, including artificial neural networks, largely depends on the quality of the database. The quality of such a database can be assured by sufficient data volume and accurate labeling. Although many existing studies have performed crack detection using photographs taken at a stop or low speed driving environment, the present invention aims at correcting cracks at a higher speed traveling environment than in the prior art.
터널과 같은 대형의 구조물에서 주행하며 획득된 사진은 한 번에 획득 가능한 영역이 전체 영역에서 매우 협소한 영역이다. 따라서 연속되는 여러 프레임의 영상을 획득한 후 결합하여 전체 영역에 대한 사진을 생성할 필요가 있다. 이때, 터널의 전체 면적을 최대한 손실 없이 획득하기 위해서는 사진들이 중첩되어 촬영되어야 하며, 중첩되어 촬영된 사진은 상당량의 중복 데이터를 포함하고 있으며, 중첩된 데이터를 효율적 관리와 전체 영역에 대한 사진 데이터 생성을 위한 파노라마 사진 생성 알고리즘의 연구가 필요하다. 파노라마 사진을 생성하기 위해서는 중첩된 영역 내에서 영역간의 일치 여부를 판별하기 위하여 특징적인 영역 혹은 표식을 포함하여 촬영하고, 촬영시의 카메라 및 차량의 움직임에 대한 정보와 획득된 사진의 배치와 순서에 대한 정보를 이용하여 병합할 사진간의 관계를 식별하는 것이 요구된다. 기존의 파노라마 사진 생성 알고리즘들은 주로 대량의 특징점을 획득한 뒤, 특징점 간의 매칭 관계를 파악해 활용함으로써 사진의 병합을 수행하였고, 이 과정에서 연산시간이 오래 걸리는 단점이 있으나, 본 발명에서는 고해상도의 사진을 사용하기 때문에 많은 연산량을 고려하여 병렬처리 및 고속화 기법을 이용한 터널 환경에 적합한 특징점 획득 기법을 적용한다. 균열 검출 및 인식된 균열을 외관조사망도 작성 프로그램을 이용하여 균열 정보를 더욱 체계적이고 효율적으로 관리를 수행할 수 있다.Photographs obtained from a large structure such as a tunnel are very narrow in the entire area. Therefore, it is necessary to acquire images of successive frames and combine them to generate a photograph of the entire region. In this case, in order to acquire the entire area of the tunnel without loss, photographs must be photographed and superimposed. The photographed photographs contain a large amount of redundant data, and efficient management of the superimposed data and generation of photographic data We need to study the algorithm of panoramic image generation. In order to generate panoramic photographs, photographing is performed by including characteristic regions or markers in order to discriminate whether or not the regions are coincident in the overlapped region, and information about the movement of the camera and the vehicle at the time of photographing, It is required to identify the relationship between the pictures to be merged using the information about the images. Conventional panoramic image generation algorithms mainly acquire a large number of feature points and then use a matching relationship between the feature points to utilize the images to merge the images. In this process, however, the computation time is long, but in the present invention, Therefore, we adopt the feature point acquisition technique suitable for the tunnel environment using the parallel processing and the acceleration method considering a large amount of computation. Crack information can be managed more systematically and efficiently by using a program to create cracks and recognized cracks.
특히, 핵심기술인 인공신경망을 포함한 학습 알고리즘을 이용한 균열인식은 다음과 같은 단계와 복잡한 의사결정 과정으로 진행되므로 후보균열들 중 복잡한 변수를 고려한 노이즈의 효과적인 제거가 중요하므로 인공신경망 알고리즘 적용이 최적이라고 판단된다.In particular, crack recognition using a learning algorithm including artificial neural network, which is a core technology, proceeds with the following steps and complicated decision-making processes. Therefore, it is important to apply artificial neural network algorithm because it is important to effectively remove noise considering candidate variables. do.
① Stage 1 : 비균열 구간 분류① Stage 1: Non-cracked section classification
Step1 : 터널 하단의 타일구간을 제거한다.Step 1: Remove the tile section at the bottom of the tunnel.
Step2 : 평균명도가 높고 명도차가 상대적으로 작은 사진 분류Step 2: Photograph classification with high average brightness and relatively small brightness difference
(균열, 노이즈, 오염면, 그림자가 거의 없는 구간)(Cracks, noises, stains, shadows)
② Stage 2 : 균열 구간 분류 및 균열 후보군 검출② Stage 2: Classification of cracks and detection of crack candidates
Step3 : 조명 등 시설물 구간을 분류한다.Step 3: Classify facility sections such as lighting.
Step4 : 평균명도가 낮고 명도차가 상대적으로 큰 사진 분류Step 4: Photograph classification with low average brightness and relatively large brightness difference
(균열, 노이즈, 오염면, 그림자가 많고 구별이 용이한 구간)(Cracks, noise, pollution, shadows and easy to distinguish)
Step5 : 평균명도가 낮고 명도차가 상대적으로 작은 사진 분류Step 5: Photograph classification with low average brightness and relatively small brightness difference
(균열, 노이즈, 오염면, 그림자가 많고 구별이 용이하지 않은 구간)(Cracks, noises, stains, shadows and inconspicuous sections)
균열 검출시 조명 등 시설물의 영향을 받지 않도록 한고, 균열 후보군에 노이즈가 많이 포함된 경우 균열인식 과정은 보수적으로 수행되어야 한다.The crack recognition process should be conservative when the cracks are not affected by facilities such as lighting during the detection and the noise contains a lot of crack candidates.
③ Stage 3 : 노이즈 제거 및 최종균열 검출③ Stage 3: Noise removal and final crack detection
총점이 70점 이상인 경우 노이즈If the total score is 70 or more,
총점이 60점 이상 70점 미만 경우 균열후보군으로 판정 -> Manual ModeIf the total score is more than 60 points and less than 70 points, it is judged as a candidate for cracking -> Manual Mode
총점이 70점 이하인 경우 균열로 판정If the total score is 70 or less, judge to crack
본 발명을 적용한 기술에 있어서 기대성과 및 파급효과를 살펴보면, 기존의 육안조사방법은 많은 인력과 시간이 소모되며 고압선 등으로 조사가자 위험에 노출되고 장기적인 교통 흐름 방해를 야기하고, 또한 수기로 균열을 표시하고 주관적 판단이 개입되므로 작업자의 실수가 있을 수 있고 객관성이 확보되기 어려웠으나, 본 발명은 자동 균열 검출 장비를 개발함으로써 자동화에 요구되는 컴퓨터비전 및 촬영 장비를 비롯한 다양한 과학기술의 발전을 도모할 수 있을 뿐만 아니라, 신속하게 균열 검출을 검출함으로써 사회경제적인 비용과 비효율성을 줄일 수 있다. 또한 구조물들의 부식 및 붕괴 등으로 인해 잠재적으로 발생할 수 있는 사고 위험을 최소화하고, 신속하고 효율적인 관리를 통해 더 안전하고 신뢰할 수 있는 사회 환경을 구축할 수 있을 것이다.Expectation performance and ripple effect in the technology applied with the present invention are as follows. Existing visual inspection method consumes a lot of manpower and time, is exposed to the risk of surveying with high voltage lines, causes long-term traffic flow disturbance, However, it is difficult to secure the objectivity of the operator. However, the present invention can be applied to the development of a variety of scientific technologies including computer vision and photographic equipment required for automation by developing automatic crack detection equipment As well as being able to detect crack detection quickly, socioeconomic costs and inefficiencies can be reduced. In addition, the potential risk of accidents due to corrosion and collapse of structures will be minimized and a safer and more reliable social environment will be established through rapid and efficient management.
1) 과학기술적 측면1) Technological aspects
본 발명은 터널 점검의 자동화를 통해 작업 속도를 단축할 수 있으며, 안전점검의 효율성을 증대시킬 수 있다. 또한 정확한 균열 인식 기술 확보를 통해 검사 품질의 신뢰도를 향상시킬 수 있으며, 객관적인 유지관리 체계를 정립할 수 있을 것으로 기대된다.The present invention can shorten the operation speed through automation of the tunnel inspection and increase the safety inspection efficiency. In addition, it is expected that reliability of inspection quality can be improved through securing precise crack recognition technology and objective maintenance system can be established.
터널의 균열을 자동으로 인식, 검출과 같은 분석 기술은 단지 터널뿐만 아니라 교량, 건물 등의 다양한 구조물의 유지 관리에도 확장되어 활용 및 적용 될 수 있다. 또한 움직이는 차량에 장착된 카메라를 사용하여 미세한 균열을 검출하는 기술은 정밀한 컴퓨터 비전 기술뿐만 아니라 카메라 촬영 기술, 하드웨어 장치의 컨트롤 및 보정 기술을 요구하는 것으로써 자동차, 로봇, 드론 등의 장치에서 환경을 효율적이고 정밀하게 인식 하는 기술의 발전에 이바지할 수 있다.Analysis techniques such as automatic recognition and detection of cracks in tunnels can be applied and applied not only to tunnels but also to maintenance of various structures such as bridges and buildings. In addition, the technique of detecting minute cracks using a camera mounted on a moving vehicle requires not only precision computer vision technology but also camera photographing technology and control and correction technology of hardware devices. It is possible to contribute to the development of efficient and precise recognition technology.
2) 사회경제적 측면2) Socioeconomic aspects
터널의 손상 부위를 신속히 점검하고 정확히 판단할 수 있는 터널 유지관리 시스템 개발을 통하여 터널 점검 및 유지관리의 효율성을 향상시킬 수 있다. 예를 들어 점검에 소요되는 시간, 인적 비용을 감소시킬 수 있고, 작업자의 작업 환경을 개선하고 위험작업으로부터의 보호와 같은 사회적인 간접효과를 이룰 수 있으며, 건설현장의 안전시스템 도입으로 안전문화의 정착을 도모할 수 있다.It is possible to improve the efficiency of tunnel inspection and maintenance through the development of a tunnel maintenance management system which can promptly check the damage area of the tunnel and judge it accurately. For example, it is possible to reduce the time required for inspection and human cost, improve the work environment of the worker, and achieve social indirect effects such as protection from dangerous work. .
또한 기존 터널 점검의 많은 비용으로 인해 적기에 관리되지 못했던 열화 및 손상된 구조물의 기능을 유지하고 수명을 연장시키기 위한 정기적인 점검을 가능하게 하여 현재 상태를 파악하고 진단할 수 있는 적절한 유지 관리 시스템을 확보할 수 있게 된다. 이를 통해 터널 구조물에 대한 신뢰성과 안정성을 향상시킬 수 있다.In addition, due to the high cost of existing tunnel inspection, it is possible to maintain the function of deteriorated and damaged structure that was not properly managed in a short period of time and to perform periodic inspection to extend the service life. . This makes it possible to improve the reliability and stability of the tunnel structure.
그 외에도 현재의 터널 점검 방식은 심각한 교통 체증 유발, 장시간 차량 통제에 따른 사회경제적인 막대한 비용, 대규모 인력 및 장비투입으로 인한 경제적 손실을 야기하고 있다. 자동 균열 검출 기술의 개발은 기존 안전관리차량과 인원을 줄이고, 작업시간을 단축시킴으로써 기존 점검 비용과 사회적 비용 절감 효과가 클 것으로 판단된다.In addition, current tunnel inspections cause serious traffic congestion, socioeconomic expense due to long-term vehicle control, and economic losses due to large-scale manpower and equipment input. The development of automatic crack detection technology is expected to greatly reduce the cost of inspection and social cost by reducing the number of personnel and the number of existing safety management vehicles and shortening the working time.
현재 사진 촬영 이미지 분석 기술은 기계자동화분야, 보안 분야, 소프트웨어 분야 등 많은 분야에 다양하게 적용이 가능하지만 이미지 상의 손상 상태 분석 기술은 좀 더 개선된 기술이 필요한 분야이며, 실제 현장적용 측면에 있어서 애로사항이 존재한다. 따라서 비교적 환경이 열악한 터널 점검에 적용되는 이미지 손상 상태 분석 기술은 많은 타 산업분야에 확대 적용이 가능할 것이다.Currently, photographic image analysis technology can be applied to many fields such as machine automation field, security field, and software field. However, the damage state analysis technique of image is a field requiring more improved technology, There is a matter. Therefore, the image damage analysis technique applied to tunnel inspections with relatively poor environment will be applicable to many other industries.
특히 터널 라이닝에 발생되는 균열은 필연적으로 존재하여 터널의 손상을 발생시킬 수 있으며, 이는 유지관리 비용의 증대를 가져올 수 있다. 현재 국내의 건설투자 대비 유지관리 비용은 약 20%이며, 향후 꾸준히 증가할 것으로 예상되지만, 자동화된 터널 라이닝 점검 시스템의 개발로 기존에 투입하는 인력을 절감할 수 있으며, 향후 완전 자동화된 유지관리 시대의 도래도 촉진할 수 있을 것으로 기대된다.In particular, cracks occurring in the tunnel lining necessarily exist, which may cause damage to the tunnel, which may lead to an increase in the maintenance cost. Currently, the cost of maintenance and management compared to domestic construction investment is about 20%, and it is expected to increase steadily in the future. However, the development of an automated tunnel lining inspection system can save the manpower that is already put in place, It is expected that it will accelerate the coming of
더불어 터널의 유지관리 수요처에서 본 시스템을 적극적으로 도입, 활용하게 된다면, 이번 연구개발을 계기로 터널 유지관리에 대한 기술력이 한 단계 높아질 것으로 판단되며, 이는 FTA 등 국내 건설시장의 개방으로 들어올 해외업체들에 대하여 우리 건설시장을 지키고, 나아가 높아진 기술력으로 해외 시장에서의 경쟁력을 확보할 수 있는 기회가 될 것으로 판단된다.In addition, if the system is actively introduced and utilized in the maintenance demand of tunnels, it will be expected that the technology for tunnel maintenance will rise by this research and development, We will be able to secure our competitiveness in overseas markets by protecting our construction market and further improving our technology.
한편, 본 발명은 실시간 터널의 균열을 촬영하고 CNN 기법을 활용하여 터널의 균열을 파악하되, 기준 이상의 균열이 파악되면 곧바로 계속적인 경보음을 출력하여 그 부분을 작업자가 실시간으로 살펴서 위험요소를 빠른 속도로 인지할 수 있도록 한다.In the meantime, according to the present invention, cracks of a real-time tunnel are photographed and cracks of a tunnel are detected by using a CNN technique. When cracks exceeding a reference are recognized, a continuous alarm sound is output immediately, So that it can be recognized at speed.
즉, 차량에 본 발명의 구성요소들을 탑재한 상태에서 터널 내부를 이동하면서 촬영하고, 촬영된 영상을 이용하여 곧바로 CNN 기법을 통해 실시간 균열을 분석을 진행하되, 현재의 터널 균열이 기준이상으로 판단되면 작업자가 균열부위를 곧바로 육안으로 점검하여 급박한 위험요소를 빠른 속도로 인지하여 조치할 수 있도록 유도한다.That is, while moving the components of the present invention on the vehicle, the user captures the moving image while moving inside the tunnel, analyzes the real-time crack through CNN immediately using the captured image, The operator immediately visually inspects the cracks and prompts them to recognize and respond quickly to imminent hazards.
즉, 카메라(10)에 의해서 촬영된 균열정보를 제어부(20)에서 파악하여 미리 저정된 균열 정보와 비교 분석하여 기준이상일 경우 계속적인 경보음을 경보신호 자동 출력부(1000)를 통해 작업자에게 출력토록 한다.That is, the
즉, 본 발명은 콘크리트 균열 검출을 위해서 터널 내부를 촬영하는 카메라(10)와, 카메라에서 촬영된 영상을 합성곱 신경망(CNN)기법으로 처리하여 균열정보를 파악하는 제어부(20)와, 상기 제어부(20)에서 파악한 균열 너비 정보가 미리 입력된 균열 너비를 초과한 것으로 판단되면 제어부의 제어신호에 따라 경보음을 출력하는 경보신호 자동 출력부(1000)를 포함하여 이루어지는바, 제어부에 미리 기준 균열 너비 정보를 입력하여 현재 측정되는 균열이 기준 균열 너비를 벗어나면 경보신호를 출력토록 하는 것이다.That is, according to the present invention, there is provided a method for detecting a concrete crack, comprising: a
예컨데, 경보를 위한 기준 균열 너비 정보가 0.5mm이면, 현재 측정된 균열 너비가 0.5mm를 초과하면 경보신호를 출력토록 한다.For example, if the reference crack width information for an alarm is 0.5 mm, an alarm signal is output if the currently measured crack width exceeds 0.5 mm.
상기 경보신호 자동 출력부(1000)는, 회로 전원부(1101)와, 경보신호 출력부(1102)와, 발진 트랜스(1103)와, 릴레이 작동용 스위칭부(1108)와, 릴레이 스위치(1107)와, 제 1 회로 연결 스위치(sw1)와, 통신 단말기 전원 스위치(sw2)와, 전원 유지용 스위칭부(1118)을 포함하여 이루어진다.The alarm signal
즉, 자체 전원에 의해서 전원신호를 인가시키는 전원부(1101)와;A
상기 제어부에서 경보신호를 출력하면 전원 회로를 스위칭시키는 경보신호 출력부(1102)와;An alarm
상기 발진 트랜스(1103)는 전원부가 온 되면 전기가 공급되어 승압된 교류 전류를 출력한다.The
상기 릴레이 작동용 스위칭부(1108)는 발진 트랜스(1103)의 출력단에 연결되어 전기적 공급에 의해서 온 된다.The
상기 릴레이 스위치(1107)는 릴레이 작동용 스위칭부(1108)의 출력단에 설치되며 자기력을 발생시킨다.The
상기 제 1 회로 연결 스위치(sw1)는 릴레이 스위치(1107)에 의해서 철편이 당겨지면서 회로를 통전시키는 기능을 수행한다.The first circuit connection switch (sw1) performs a function of energizing the circuit by pulling the iron wire by the relay switch (1107).
상기 경보신호 출력용 전원 스위치(sw2)는 릴레이 스위치(1107)에 의해서 철편이 당겨지면서 경보신호 출력 제어부(1140)에 전원이 공급되어 경보신호가 디스플레이 되도록 유도하는 역할을 한다.The power switch sw2 for powering the alarm signal outputs power to the alarm signal
상기 전원 유지용 스위칭부(1118)는 제 1 회로 연결 스위치와 베이스단이 연결되고 에미터단 및 콜렉터단이 발진 트랜스(1103) 및 릴레이 작동용 스위칭부(1108)에 연결되며, 릴레이 작동용 스위칭부(1108)의 작동으로 철편이 당겨지면서 폐회로를 형성하면서 스위칭이 온 되어 이후 릴레이 스위치(1107)가 작동한 것을 중단시킨다. 그리고, 이때 강제로 제 1 회로 연결 스위치(sw1) 및 경보신호 출력용 전원 스위치(sw2)를 오프시키게 되면 폐회로가 깨지면서 스위칭이 오프되고 아울러 릴레이 작동용 스위칭부(1108)가 온 되어 릴레이 스위치가 온 됨으로서 제 1 회로 연결 스위치(sw1) 및 경보신호 출력용 전원 스위치(sw2)를 온시켜 계속적으로 경보신호가 출력되도록 유도한다.The power
또한, 본 발명은 회로 작동용 철편(1131)과, 경보신호 작동 제어부 전원 연결용 철편(1132)과, 탄발 스프링(1133)과, 영구자석(1134)과, 수동 작동 스위치(1135)를 더 포함하여 구성한다.The present invention further includes a circuit element for
상기 회로 작동용 철편(1131)은 제 1 회로 연결 스위치에 접점되어 전원 유지용 스위치부를 온 시킨다.The circuit-
상기 경보신호 출력 제어부 전원 연결용 철편(1132)은 상기 회로 작동용 철편에 연동하여 동작하도록 설계되며 회로 작동용 철편이 온 되면 경보신호 출력 제어부에 전원을 연결하여 경보장치가 작동되도록 유도한다.The
상기 탄발 스프링(1133)은 제 1 회로 연결 스위치와 회로 작동용 철편 사이에 설치되어 미작동시 제 1 회로 연결 스위치와 회로 작동용 철편이 항상 오프상태를 유지하도록 유도한다.The
상기 영구자석(1134)은 제 1 회로 연결 스위치의 일단에 설치되며 릴레이 스위치 작동시 회로 작동용 철편이 끌어당겨져 제 1 회로 연결 스위치가 스위칭되면 회로 작동용 철편을 부착시켜 릴레이 스위치의 작동이 멈추어도 전원 유지용 스위칭부의 온 상태를 지속시킨다.The
상기 수동 작동 스위치(1135)는 회로작동용 철편과 경보신호 출력 제어부 전원 연결용 철편에 결합되며, 경보신호 작동을 중단시키기 위해 사용자가 조작하면 회로 작동용 철편과 경보신호 출력 제어부 전원 연결용 철편을 오프시켜 경보신호 디스플레이부의 동작을 중단시킴으로서 더이상 경보신호가 출력되지 않토록 한다.The
이하에서 경보신호 자동 출력부(1000)의 동작을 살펴보면 다음과 같다.Hereinafter, the operation of the alarm signal
먼저, 경보신호 출력부(1102)가 온 되면 직류 전원이 연결되어 발진 트랜스에 전원이 인가되고, 발진 트랜스의 2차측에 높은 전압이 인가된다.First, when the alarm
2차측에 유기된 전원은 정류다이오드를 통해 반파의 직류 전원이 되고, 이 반파 직류전원은 콘덴서의 충방전 작용으로 인하여 보다 안정된 직류 전원이 된다.The power source induced on the secondary side becomes a DC power source of a half wave through a rectifying diode, and this half wave DC power source becomes a more stable DC power source due to the charging and discharging action of the condenser.
이 직류 전원은 릴레이 스위치(1107)의 코일을 거쳐 사이리스터의 애노드단에 인가되고, 한편 이 직류 전원은 저항을 통해 콘덴서에 충전작용을 하게 된다. 상승된 전압은 다이악을 통과하면서 릴레이 작동용 스위칭부(1108)를 트리거하여 에노드단과 케소드단이 스위칭되어 릴레이 스위치의 동작이 이루어지도록하고, 이에 따라 릴레이 스위치(1107)의 작동으로 제 1 회로 연결 스위치(sw1) 및 경보신호 출력용 전원 스위치(sw2)가 온 되면서 경보신호 출력 제어부(1140)에 전원이 인가되어 경보신호가 디스플레이 된다.This DC power source is applied to the anode terminal of the thyristor through the coil of the
상기 제 1 회로 연결 스위치(sw1)가 작동하면 전원 유지용 스위칭부(1118)의 베이스단을 활성화시키면서 전원 유지용 스위칭부(1118)의 에미터단 및 콜렉터단에 폐회로를 유도하여 트랜스로 향하는 전원을 오프시키게 된다.When the first circuit connection switch sw1 is activated, a base end of the power
즉, 저항(1109)과 콘덴서(1110) 사이의 전압이 다이오드(1120)를 통해 전원 유지용 스위칭부(1118)의 에미터 단자 및 콜렉터 단자 사이로 흘러 바이패스되며 이 바이패스에 의한 저항과 콘덴서 사이의 전압이 낮아지게 되고, 이렇게 저항과 콘덴서 사이의 전압이 낮아지게 되면 릴레이 작동용 스위칭부(1108)로 향하는 트리거 신호를 멈추게 되어 에노드단과 케스단이 오프되면서 릴레이 스위치(1107)에 전류가 흐르지 않아서 스위칭을 위해 계속 전원이 공급되는 것을 멈추게 된다.That is, a voltage between the
한편, 만약 작업자가 경보신호가 출력되는 도중에 제 1 회로 연결 스위치 및 경보신호 출력용 전원 스위치를 오프시키게 되면 폐회로의 전류 흐름이 없게 되고 이에 따라 전원 유지용 스위칭부의 에미터단과 베이스단 사이에 흐르는 바이어스 전압이 사라져서 전원 유지용 스위칭부(1118)가 오프된다.On the other hand, if the operator turns off the first circuit connection switch and the alarm signal output power switch during the output of the alarm signal, there is no current flow in the closed circuit, and accordingly, the bias voltage flowing between the emitter end and the base end of the power- And the power
상기 전원 유지용 스위칭부(1118)가 오프되면서 다이오드(1120)를 통한 저항과 콘덴서 사이의 바이패스 전압이 없어지고 이 전압은 콘덴서(1110)에 충전된다.The power
이 충전된 전압이 다이악(1111)의 브레이크 오버 현상을 이르키게 되고 다이악에서 트리거 신호를 보조 스위치 작동용 스위칭부(1108)로 출력하여 철편을 이동시키면서 폐회로를 유지시키고 동시에 경보신호 제어부(1140)로 출력되는 전원을 복귀시켜 계속적으로 경보신호 디스플레이부(1150)를 작동시킬 수 있게 된다.The charged voltage causes a break-over phenomenon of the
즉, 경보신호 출력부(1102)가 온 상태에서는 사용자가 수동 스위치(1135)를 작동시켜 경보신호를 오프시키게 되더라도, 다시 전원을 복귀시켜 경보신호가 자동으로 출력되며, 차량을 멈춰서 반드시 육안으로 터널 균열 상태를 파악하도록 유도할 수 있다.That is, even if the user turns off the alarm signal by activating the
만약에 경보신호 출력부가 오프되면 이때에는 수동 스위치(1135)를 사용자가 조작하여 경보신호를 수동으로 차단시킬 수 있게 된다.If the alarm signal output unit is turned off, the user can operate the
10: 카메라 20: 제어부 1000: 경보신호 자동 출력부10: camera 20: control unit 1000: alarm signal automatic output unit
Claims (5)
촬영된 영상을 분석하여 균열을 파악하고 디스플레이장치를 통해 분석된 자료를 출력하는 단계를 포함하여 이루어지되;
콘크리트 표면을 촬영한 정지영상 또는 동영상 이미지와 객체인식을 위한 인공지능 알고리즘 중 하나인 합성곱 신경망(CNN)기법을 이용하여 콘크리트 표면에 발생한 균열을 검출하고;
상기 균열 검출 방법은 균열후보군을 최종균열과 노이즈(잡음)로 구분하기 위해, 균열의 특징 및 균열의 각 특징 간의 상관관계를 입력변수로 한 Feed Forward 신경망 기법을 활용한 후처리 과정을 포함하되, 상기 균열의 특징에는 균열의 명도, 원형도, 면적 대비 둘레(둘레/면적), 면적, 직경, 방향성 강도, 직진성, 두께가 포함되는 것을 특징으로 하는 촬영영상과 인공지능 알고리즘 기반의 균열검출 자동화 프로그램을 이용한 터널 라이닝 표면의 균열 검출 방법.Photographing a concrete surface inside the tunnel;
Analyzing the photographed image to grasp the crack and outputting the analyzed data through the display device;
Detecting cracks on the concrete surface using the CNN method, which is one of the artificial intelligence algorithms for recognizing still images or moving images and objects on concrete surfaces;
The crack detection method includes a post-processing process using a feed forward neural network technique in which the correlation between the characteristics of the cracks and the characteristics of the cracks is used as an input variable in order to classify the crack candidates into the final cracks and noise (noise) The feature of the crack includes a brightness, a circularity, an area perimeter (circumference / area), an area, a diameter, a directional strength, a straightness, and a thickness of a crack. A Method for Crack Detection on Tunnel Lining Surface Using.
상기 균열 검출 방법은 균열후보군을 최종균열과 노이즈(잡음)로 구분하기 위해, 균열의 특징 및 균열의 각 특징 간의 상관관계를 입력변수로 한 의사결정트리(Decision Tree) 기법을 활용한 후처리 과정을 포함하되, 상기 균열의 특징에는 균열의 명도, 원형도, 면적 대비 둘레(둘레/면적), 면적, 직경, 방향성 강도, 직진성, 두께가 포함하여 구성함을 특징으로 하는 촬영영상과 인공지능 알고리즘 기반의 균열검출 자동화 프로그램을 이용한 터널 라이닝 표면의 균열 검출 방법.The method according to claim 1,
In order to classify the crack candidates into the final cracks and noise (noise), the crack detection method includes a post-processing process using a decision tree method in which a correlation between characteristics of cracks and respective characteristics of cracks is used as input variables Wherein the characteristics of the crack include a brightness, a circularity, a peripheral area (circumference / area), an area, a diameter, a directional strength, a straightness, and a thickness of a crack. A Method for Crack Detection of Surface of Tunnel Lining by Using Automated Crack Detection Program.
상기 경보신호 자동 출력부(1000)는,
자체 전원에 의해서 전원신호를 인가시키는 전원부(1101)와;
제어부로부터 신호를 인가받아 전원 회로를 스위칭시키는 경보신호 출력부(1102)와;
상기 전원부가 온 되면 전기가 공급되어 승압된 교류 전류를 출력하는 발진 트랜스(1103)와;
상기 발진 트랜스(1103)의 출력단에 연결되어 전기적 공급에 의해서 온 되는 릴레이 작동용 스위칭부(1108)와;
상기 릴레이 작동용 스위칭부(1108)의 출력단에 설치되며 자기력을 발생시키는 릴레이 스위치(1107)와;
상기 릴레이 스위치(1107)에 의해서 철편이 당겨지면서 회로를 통전시키는 기능을 수행하는 제 1 회로 연결 스위치(sw1)와;
상기 릴레이 스위치(1107)에 의해서 철편이 당겨지면서 경보신호 출력 제어부(1140)에 전원이 공급되어 경보신호가 디스플레이 되도록 유도하는 경보신호 출력용 전원 스위치(sw2)와;
상기 제 1 회로 연결 스위치에 접점되어 전원 유지용 스위치부를 온 시키는 회로 작동용 철편(1131)과;
상기 회로 작동용 철편에 연동하여 동작하도록 설계되며 회로 작동용 철편이 온 되면 경보신호 출력 제어부에 전원을 연결하여 경보장치가 작동되도록 유도하는 경보신호 출력 제어부 전원 연결용 철편(1132)과;
상기 제 1 회로 연결 스위치와 베이스단이 연결되고 에미터단 및 콜렉터단이 발진 트랜스(1103) 및 릴레이 작동용 스위칭부(1108)에 연결되며, 릴레이 작동용 스위칭부(1108)의 작동으로 철편이 당겨지면서 폐회로를 형성하면서 스위칭이 온 되어 이후 릴레이 스위치(1107)가 작동한 것을 중단키고, 이때 강제로 제 1 회로 연결 스위치(sw1) 및 경보신호 출력용 전원 스위치(sw2)를 오프시키게 되면 폐회로가 깨지면서 스위칭이 오프되고 아울러 릴레이 작동용 스위칭부(1108)가 온 되어 릴레이 스위치가 온 됨으로서 제 1 회로 연결 스위치(sw1) 및 경보신호 출력용 전원 스위치(sw2)를 온시켜 계속적으로 경보신호가 출력되도록 유도하는 전원 유지용 스위칭부(1118)를 포함하여 구성함을 특징으로 하는 촬영영상과 인공지능 알고리즘 기반의 균열검출 자동화 프로그램을 이용한 터널 라이닝 표면의 균열 검출 시스템.A control unit 20 for detecting crack information by processing the image taken by the camera with a CNN technique, a camera 10 for photographing the interior of the tunnel to detect concrete cracks, And an alarm signal automatic output unit (1000) for outputting an alarm sound according to a control signal of the control unit when it is determined that the crack width information exceeds a pre-inputted crack width;
The alarm signal automatic output unit 1000,
A power supply unit 1101 for applying a power supply signal by its own power supply;
An alarm signal output unit 1102 for receiving a signal from the control unit and switching the power supply circuit;
An oscillation transformer 1103 which is supplied with electricity when the power supply unit is turned on and outputs a boosted AC current;
A relay operation switching unit 1108 connected to the output terminal of the oscillation transformer 1103 and turned on by electrical supply;
A relay switch 1107 installed at an output terminal of the switching unit 1108 for generating a magnetic force and generating a magnetic force;
A first circuit connection switch sw1 that performs a function of energizing the circuit while the iron wire is pulled by the relay switch 1107;
An alarm signal output power switch sw2 for supplying power to the alarm signal output control unit 1140 to display an alarm signal when the iron wire is pulled by the relay switch 1107;
A circuit-operating iron piece (1131) which contacts the first circuit connecting switch to turn on the power-source holding switch part;
An alarm signal output control unit power connection iron piece 1132 that is designed to operate in conjunction with the circuit operation iron piece and connects the power to the alarm signal output control unit when the circuit breaker is turned on to induce the alarm device to operate;
The first circuit connection switch and the base end are connected to each other and the emitter end and the collector end are connected to the oscillation transformer 1103 and the relay operation switching part 1108. The operation of the relay operation switching part 1108 pulls the iron piece If the first circuit connection switch sw1 and the alarm signal output power switch sw2 are forcibly turned off at this time, the closed circuit is broken while the switching is on, The switching unit 1108 for relay operation is turned on to turn on the relay switch so that the first circuit connecting switch sw1 and the alarm signal output power switch sw2 are turned on to continuously output an alarm signal And a maintenance switching unit (1118). The automated image processing apparatus Crack detection system of the tunnel lining surface with.
상기 경보신호 자동 출력부(1000)는,
상기 제 1 회로 연결 스위치와 회로 작동용 철편 사이에 설치되어 미작동시 제 1 회로 연결 스위치와 회로 작동용 철편이 항상 오프상태를 유지하도록 유도하는 탄발 스프링(1133)과;
상기 제 1 회로 연결 스위치의 일단에 설치되며 릴레이 스위치 작동시 회로 작동용 철편이 끌어당겨져 제 1 회로 연결 스위치가 스위칭되면 회로 작동용 철편을 부착시켜 릴레이 스위치의 작동이 멈추어도 전원 유지용 스위칭부의 온 상태를 지속시키는 영구자석(1134)과;
상기 회로작동용 철편과 경보신호 출력 제어부 전원 연결용 철편에 결합되며, 경보신호 작동을 중단시키기 위해 사용자가 조작하면 회로 작동용 철편과 경보신호 출력 제어부 전원 연결용 철편을 오프시켜 경보신호 디스플레이부의 동작을 중단시킴으로서 더이상 경보신호가 출력되지 않토록 유도하는 수동 작동 스위치(1135)를 더 포함하여 구성함을 특징으로 하는 촬영영상과 인공지능 알고리즘 기반의 균열검출 자동화 프로그램을 이용한 터널 라이닝 표면의 균열 검출 시스템.5. The method of claim 4,
The alarm signal automatic output unit 1000,
A resilient spring (1133) installed between the first circuit connection switch and the circuit operation iron piece to guide the first circuit connection switch and the circuit operation iron piece to be kept in an off state at all times during non-operation;
The first circuit connection switch is provided at one end of the first circuit connection switch. When the first circuit connection switch is switched by pulling the wire for circuit operation at the time of operation of the relay switch, A permanent magnet 1134 for maintaining the state;
And a control unit for controlling the operation of the alarm signal display unit when the user operates the alarm unit to interrupt the operation of the alarm signal, And a manual operation switch (1135) for guiding an alarm signal to cease outputting an alarm signal by stopping the operation of the tunnel lining surface. .
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160183296A KR101772916B1 (en) | 2016-12-30 | 2016-12-30 | Device for measuring crack width of concretestructure |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160183296A KR101772916B1 (en) | 2016-12-30 | 2016-12-30 | Device for measuring crack width of concretestructure |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101772916B1 true KR101772916B1 (en) | 2017-08-31 |
Family
ID=59760922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160183296A KR101772916B1 (en) | 2016-12-30 | 2016-12-30 | Device for measuring crack width of concretestructure |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101772916B1 (en) |
Cited By (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108615057A (en) * | 2018-04-28 | 2018-10-02 | 广东电网有限责任公司 | A kind of abnormality recognition method of the cable tunnel lighting apparatus based on CNN |
| KR101922238B1 (en) * | 2017-11-09 | 2018-11-29 | (주)태명이씨앤씨 | Tunnel lining image data distributed parallel processing method, image data acquiring apparatus, and integrated software |
| CN109872318A (en) * | 2019-02-22 | 2019-06-11 | 中国石油大学(华东) | A kind of geology for deep learning is appeared crack data set production method |
| WO2019134252A1 (en) * | 2018-01-03 | 2019-07-11 | 东南大学 | Method and device for automated portrayal and accurate measurement of width of structural crack |
| KR102005560B1 (en) * | 2018-09-04 | 2019-08-07 | 씨드로닉스(주) | Method for acquiring object information and apparatus for performing the same |
| KR102011212B1 (en) * | 2018-02-27 | 2019-08-14 | (주)링크제니시스 | Method for Collecting and Saving object that is used as training data of Neural network for Artificial Intelligence |
| CN110163842A (en) * | 2019-04-15 | 2019-08-23 | 深圳高速工程检测有限公司 | Building cracks detection method, device, computer equipment and storage medium |
| CN110324569A (en) * | 2018-03-29 | 2019-10-11 | 韩国倍拓有限公司 | Mobile automatic monitor system and its method |
| CN110415233A (en) * | 2019-07-26 | 2019-11-05 | 东南大学 | Pavement crack rapid extracting method based on two step convolutional neural networks |
| WO2019219955A1 (en) * | 2018-05-18 | 2019-11-21 | Ab Sandvik Materials Technology | Tube inspection system |
| CN110738642A (en) * | 2019-10-08 | 2020-01-31 | 福建船政交通职业学院 | Mask R-CNN-based reinforced concrete crack identification and measurement method and storage medium |
| KR102083385B1 (en) | 2018-08-28 | 2020-03-02 | 여의(주) | A Method for Determining a Dangerous Situation Based on a Motion Perception of a Image Extracting Data |
| WO2020045903A1 (en) * | 2018-08-28 | 2020-03-05 | 포항공과대학교 산학협력단 | Method and device for detecting object size-independently by using cnn |
| KR102091165B1 (en) * | 2019-04-09 | 2020-03-24 | 주식회사 한국건설방재연구원 | Apparatus for inspecting tunnel crack |
| CN111052177A (en) * | 2017-09-14 | 2020-04-21 | 三菱电机株式会社 | Abnormality detection device |
| CN111524112A (en) * | 2020-04-17 | 2020-08-11 | 中冶赛迪重庆信息技术有限公司 | Steel chasing identification method, system, equipment and medium |
| KR102157610B1 (en) * | 2019-10-29 | 2020-09-18 | 세종대학교산학협력단 | System and method for automatically detecting structural damage by generating super resolution digital images |
| US10803360B2 (en) | 2018-09-04 | 2020-10-13 | Seadronix Corp. | Situation awareness method and device using image segmentation |
| KR102177686B1 (en) * | 2019-08-29 | 2020-11-11 | (주)엘라이트 | Automatic photography for tunnel inspection apparatus |
| CN111967398A (en) * | 2020-08-18 | 2020-11-20 | 创新奇智(合肥)科技有限公司 | Tunnel detection method and device, electronic equipment and readable storage medium |
| KR20210115246A (en) * | 2020-03-12 | 2021-09-27 | 이용 | Integral maintenance control method and system for managing dam safety based on 3d modelling |
| KR20210115245A (en) * | 2020-03-12 | 2021-09-27 | 이용 | Intelligent dam management system based on digital twin |
| KR20210143465A (en) | 2020-05-20 | 2021-11-29 | 연세대학교 산학협력단 | Deep learning based road crack detection device using black box image and road crack detection method, and computer program for executing the same |
| KR20220017657A (en) * | 2020-08-05 | 2022-02-14 | (주)이포즌 | Apparatus and method for detecting concrete construction crack |
| KR102370544B1 (en) * | 2021-06-10 | 2022-03-04 | 현대엔지니어링(주) | Direction and position correction available finishing robot |
| WO2022055023A1 (en) * | 2020-09-14 | 2022-03-17 | 가온플랫폼 주식회사 | Iot integrated intelligent image analysis platform system capable of smart object recognition |
| KR102378022B1 (en) * | 2021-06-10 | 2022-03-24 | 현대엔지니어링(주) | Inspection and repair method of concrete finishing floor using AI algorithm mounted robot |
| KR20220095265A (en) * | 2020-12-29 | 2022-07-07 | 주식회사 딥파인 | Augmented Reality System |
| KR102426448B1 (en) * | 2021-11-11 | 2022-07-27 | 이정석 | The system for diagnosing the tunnel safety |
| KR20220151263A (en) | 2021-05-06 | 2022-11-15 | 경상국립대학교산학협력단 | SAFETY INSPECTION SYSTEM FOR STRUCTURE USING SMART PORTABLE DEVICE, AND METHOD FOR THe SAME |
| US11514668B2 (en) | 2018-09-04 | 2022-11-29 | Seadronix Corp. | Method and device for situation awareness |
| WO2023287276A1 (en) * | 2021-07-16 | 2023-01-19 | Petroliam Nasional Berhad (Petronas) | Geographic data processing methods and systems for detecting encroachment by objects into a geographic corridor |
| KR20230127511A (en) | 2022-02-25 | 2023-09-01 | 연세대학교 산학협력단 | Real-time evaluation system and method of rock state based on tunnel face image by using deep learning |
| US11776250B2 (en) | 2018-09-04 | 2023-10-03 | Seadronix Corp. | Method and device for situation awareness |
| CN118038282A (en) * | 2024-04-15 | 2024-05-14 | 贵州黔通工程技术有限公司 | Tunnel defect detection method and equipment |
-
2016
- 2016-12-30 KR KR1020160183296A patent/KR101772916B1/en active IP Right Grant
Non-Patent Citations (3)
| Title |
|---|
| CNN을 이용한 인서트의 결함 검출 |
| 인공신경망을 이용한 옹벽구조물의 안전도 평가 연구 |
| 퍼지근사추론에 의한 도로터널의 상태평가 기법연구 |
Cited By (48)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111052177A (en) * | 2017-09-14 | 2020-04-21 | 三菱电机株式会社 | Abnormality detection device |
| KR101922238B1 (en) * | 2017-11-09 | 2018-11-29 | (주)태명이씨앤씨 | Tunnel lining image data distributed parallel processing method, image data acquiring apparatus, and integrated software |
| US11551341B2 (en) | 2018-01-03 | 2023-01-10 | Southeast University | Method and device for automatically drawing structural cracks and precisely measuring widths thereof |
| WO2019134252A1 (en) * | 2018-01-03 | 2019-07-11 | 东南大学 | Method and device for automated portrayal and accurate measurement of width of structural crack |
| KR102011212B1 (en) * | 2018-02-27 | 2019-08-14 | (주)링크제니시스 | Method for Collecting and Saving object that is used as training data of Neural network for Artificial Intelligence |
| CN110324569A (en) * | 2018-03-29 | 2019-10-11 | 韩国倍拓有限公司 | Mobile automatic monitor system and its method |
| CN108615057A (en) * | 2018-04-28 | 2018-10-02 | 广东电网有限责任公司 | A kind of abnormality recognition method of the cable tunnel lighting apparatus based on CNN |
| CN108615057B (en) * | 2018-04-28 | 2020-07-14 | 广东电网有限责任公司 | CNN-based abnormity identification method for cable tunnel lighting equipment |
| WO2019219955A1 (en) * | 2018-05-18 | 2019-11-21 | Ab Sandvik Materials Technology | Tube inspection system |
| KR102083385B1 (en) | 2018-08-28 | 2020-03-02 | 여의(주) | A Method for Determining a Dangerous Situation Based on a Motion Perception of a Image Extracting Data |
| WO2020045903A1 (en) * | 2018-08-28 | 2020-03-05 | 포항공과대학교 산학협력단 | Method and device for detecting object size-independently by using cnn |
| US11776250B2 (en) | 2018-09-04 | 2023-10-03 | Seadronix Corp. | Method and device for situation awareness |
| US11702175B2 (en) | 2018-09-04 | 2023-07-18 | Seadronix Corp. | Method for acquiring object information and apparatus for performing same |
| WO2020050499A1 (en) * | 2018-09-04 | 2020-03-12 | 씨드로닉스㈜ | Method for acquiring object information and apparatus for performing same |
| KR20200027880A (en) * | 2018-09-04 | 2020-03-13 | 씨드로닉스(주) | Method for acquiring object information and apparatus for performing the same |
| US11514668B2 (en) | 2018-09-04 | 2022-11-29 | Seadronix Corp. | Method and device for situation awareness |
| KR102005560B1 (en) * | 2018-09-04 | 2019-08-07 | 씨드로닉스(주) | Method for acquiring object information and apparatus for performing the same |
| US11314990B2 (en) | 2018-09-04 | 2022-04-26 | Seadronix Corp. | Method for acquiring object information and apparatus for performing same |
| KR102551544B1 (en) | 2018-09-04 | 2023-07-06 | 씨드로닉스(주) | Method for acquiring object information and apparatus for performing the same |
| US10803360B2 (en) | 2018-09-04 | 2020-10-13 | Seadronix Corp. | Situation awareness method and device using image segmentation |
| CN109872318A (en) * | 2019-02-22 | 2019-06-11 | 中国石油大学(华东) | A kind of geology for deep learning is appeared crack data set production method |
| KR102091165B1 (en) * | 2019-04-09 | 2020-03-24 | 주식회사 한국건설방재연구원 | Apparatus for inspecting tunnel crack |
| CN110163842A (en) * | 2019-04-15 | 2019-08-23 | 深圳高速工程检测有限公司 | Building cracks detection method, device, computer equipment and storage medium |
| CN110415233A (en) * | 2019-07-26 | 2019-11-05 | 东南大学 | Pavement crack rapid extracting method based on two step convolutional neural networks |
| KR102177686B1 (en) * | 2019-08-29 | 2020-11-11 | (주)엘라이트 | Automatic photography for tunnel inspection apparatus |
| CN110738642A (en) * | 2019-10-08 | 2020-01-31 | 福建船政交通职业学院 | Mask R-CNN-based reinforced concrete crack identification and measurement method and storage medium |
| KR102157610B1 (en) * | 2019-10-29 | 2020-09-18 | 세종대학교산학협력단 | System and method for automatically detecting structural damage by generating super resolution digital images |
| KR20210115245A (en) * | 2020-03-12 | 2021-09-27 | 이용 | Intelligent dam management system based on digital twin |
| KR102423561B1 (en) * | 2020-03-12 | 2022-07-21 | 이용 | Intelligent dam management system based on digital twin |
| KR20210115246A (en) * | 2020-03-12 | 2021-09-27 | 이용 | Integral maintenance control method and system for managing dam safety based on 3d modelling |
| KR102423579B1 (en) * | 2020-03-12 | 2022-07-20 | 이용 | Integral maintenance control method and system for managing dam safety based on 3d modelling |
| CN111524112A (en) * | 2020-04-17 | 2020-08-11 | 中冶赛迪重庆信息技术有限公司 | Steel chasing identification method, system, equipment and medium |
| CN111524112B (en) * | 2020-04-17 | 2023-04-07 | 中冶赛迪信息技术(重庆)有限公司 | Steel chasing identification method, system, equipment and medium |
| KR20210143465A (en) | 2020-05-20 | 2021-11-29 | 연세대학교 산학협력단 | Deep learning based road crack detection device using black box image and road crack detection method, and computer program for executing the same |
| KR20220017657A (en) * | 2020-08-05 | 2022-02-14 | (주)이포즌 | Apparatus and method for detecting concrete construction crack |
| KR102408407B1 (en) | 2020-08-05 | 2022-06-14 | (주)이포즌 | Apparatus and method for detecting concrete construction crack |
| CN111967398B (en) * | 2020-08-18 | 2022-08-09 | 创新奇智(合肥)科技有限公司 | Tunnel detection method and device, electronic equipment and readable storage medium |
| CN111967398A (en) * | 2020-08-18 | 2020-11-20 | 创新奇智(合肥)科技有限公司 | Tunnel detection method and device, electronic equipment and readable storage medium |
| WO2022055023A1 (en) * | 2020-09-14 | 2022-03-17 | 가온플랫폼 주식회사 | Iot integrated intelligent image analysis platform system capable of smart object recognition |
| KR20220095265A (en) * | 2020-12-29 | 2022-07-07 | 주식회사 딥파인 | Augmented Reality System |
| KR102605552B1 (en) * | 2020-12-29 | 2023-11-27 | 주식회사 딥파인 | Augmented Reality System |
| KR20220151263A (en) | 2021-05-06 | 2022-11-15 | 경상국립대학교산학협력단 | SAFETY INSPECTION SYSTEM FOR STRUCTURE USING SMART PORTABLE DEVICE, AND METHOD FOR THe SAME |
| KR102370544B1 (en) * | 2021-06-10 | 2022-03-04 | 현대엔지니어링(주) | Direction and position correction available finishing robot |
| KR102378022B1 (en) * | 2021-06-10 | 2022-03-24 | 현대엔지니어링(주) | Inspection and repair method of concrete finishing floor using AI algorithm mounted robot |
| WO2023287276A1 (en) * | 2021-07-16 | 2023-01-19 | Petroliam Nasional Berhad (Petronas) | Geographic data processing methods and systems for detecting encroachment by objects into a geographic corridor |
| KR102426448B1 (en) * | 2021-11-11 | 2022-07-27 | 이정석 | The system for diagnosing the tunnel safety |
| KR20230127511A (en) | 2022-02-25 | 2023-09-01 | 연세대학교 산학협력단 | Real-time evaluation system and method of rock state based on tunnel face image by using deep learning |
| CN118038282A (en) * | 2024-04-15 | 2024-05-14 | 贵州黔通工程技术有限公司 | Tunnel defect detection method and equipment |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101772916B1 (en) | Device for measuring crack width of concretestructure | |
| CN106290388B (en) | A kind of insulator breakdown automatic testing method | |
| CN104794720B (en) | A kind of method and system that registration clamp is oriented in net image is contacted | |
| CN110266268A (en) | A kind of photovoltaic module fault detection method based on image co-registration identification | |
| CN108280855A (en) | A kind of insulator breakdown detection method based on Fast R-CNN | |
| CN112700444B (en) | Bridge bolt detection method based on self-attention and central point regression model | |
| CN107782733A (en) | Image recognition the cannot-harm-detection device and method of cracks of metal surface | |
| CN105741291A (en) | Method for detecting faults of equipotential lines of high-speed railway overhead line system suspension devices | |
| CN105044122A (en) | Copper part surface defect visual inspection system and inspection method based on semi-supervised learning model | |
| CN109840900A (en) | A kind of line detection system for failure and detection method applied to intelligence manufacture workshop | |
| CN111784656A (en) | Railway contact network fault detection method and device, electronic equipment and storage medium | |
| CN114241364A (en) | Method for quickly calibrating foreign object target of overhead transmission line | |
| CN112669262A (en) | System and method for detecting and predicting abnormal vibration of motor wheel shaft | |
| Liu et al. | An approach for auto bridge inspection based on climbing robot | |
| CN112508911A (en) | Rail joint touch net suspension support component crack detection system based on inspection robot and detection method thereof | |
| CN108226727A (en) | A kind of power equipment partial discharge monitoring method | |
| CN110618129A (en) | Automatic power grid wire clamp detection and defect identification method and device | |
| CN111563886B (en) | Unsupervised feature learning-based tunnel steel rail surface disease detection method and device | |
| CN102866158B (en) | Detection method of power transmission and distribution cables for tunnel routing inspection | |
| CN107202797A (en) | Contactless Continuous Hot Dip Galvanizing Line strip steel weld joint detecting system and its method | |
| CN113727022B (en) | Method and device for collecting inspection image, electronic equipment and storage medium | |
| Wang et al. | Visual defect detection for substation equipment based on joint inspection data of camera and robot | |
| Rakshit et al. | Railway Track Fault Detection using Deep Neural Networks | |
| CN117252840B (en) | Photovoltaic array defect elimination evaluation method and device and computer equipment | |
| CN114898291B (en) | Visual monitoring method based on camera inspection path |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |