드론영상을 이용한 물체탐지알고리즘 기반 도로균열탐지
Road Crack Detection based on Object Detection Algorithm using Unmanned Aerial Vehicle Image
0
조회
0
다운로드
13
인용
0
참고문헌
키워드
초록
본 연구에서는 대전광역시 주요 간선도로인 유성대로를 대상으로 드론을 통해 취득한 노면영상데이터를 기반으로 물체탐지알고리즘(Object Detection algorithm) 가운데 Tiny-YOLO-V2와Faster-RCNN을 활용하여 아스팔트 도로노면의 균열을 인식, 균열유형을 구분하고 실험 결과차이를 비교하였다. 분석결과, Faster-RCNN의 mAP는 71%이고 Tiny-YOLO-V2의 mAP는 33%로 측정되었으며, 이는 1stage Detection인 YOLO계열 알고리즘보다 2Stage Detection인 Faster-RCNN 계열의 알고리즘이 도로노면의 균열을 확인하고 분리하는데 더 좋은 성능을 보인다는 것을 확인하였다. 향후, 드론과 인공지능형 균열검지시스템을 이용한 도로자산관리체계(Infrastructure Asset Management) 구축방안 마련을 통해 효율적이고 경제적인 도로 유지관리 의사결정 지원시스템 구축 및 운영 환경을 조성할 수 있을 것이라 판단된다.
Abstract
This paper proposes a new methodology to recognize cracks on asphalt road surfaces using the image data obtained with drones. The target section was Yuseong-daero, the main highway of Daejeon. Furthermore, two object detection algorithms, such as Tiny-YOLO-V2 and Faster-RCNN, were used to recognize cracks on road surfaces, classify the crack types, and compare the experimental results. As a result, mean average precision of Faster-RCNN and Tiny-YOLO-V2 was 71% and 33%, respectively. The Faster-RCNN algorithm, 2Stage Detection, showed better performance in identifying and separating road surface cracks than the Yolo algorithm, 1Stage Detection. In the future, it will be possible to prepare a plan for building an infrastructure asset-management system using drones and AI crack detection systems. An efficient and economical road-maintenance decision-support system will be established and an operating environment will be produced.
참고문헌 (9)
- 최승현, "딥러닝을 이용한 영상기반 아스팔트도로 균열상태 판정", 한국도로학회논문집, 20(5), pp.75~83 (2018), 한국도로학회
- 정윤재, "MMS LiDAR 자료 기반 정밀 공간 정보 매핑 시스템", 한국지리정보학회지, 21(1), pp.1~11 (2018), 한국지리정보학회[DOI]
- Dadrasjavan F, "Automatic Crack Detection of Road Pavement Based on Aerial UAV Imagery", ~ (2019)
- Gopalakrishnan K, "Crack damage detection in unmanned aerial vehicle images of civil infrastructure using pre-trained deep learning model", International Journal for Traffic and Transport Engineering, 8(1), pp.1~14 (2019)
- 김종훈, "스테레오카메라 기반 이동식 노면정보 검지시스템 개발에 관한 연구", 한국도로학회논문집, 15(5), pp.177~185 (2013), 한국도로학회
- Maeda H, "Damage Detection Using Deep Neural Networks with Images Captured Through a Smartphone", ~ (2018)
- Ministry of Land, Infrastucture and Transport(MOLIT), "Yearbook of Road Statistics" (2019)
- 송현근, "RTF 필터링을 이용한 모바일매핑시스템 레이저 데이터의 도로 장애물 제거에 관한 연구", 대한공간정보학회지, 20(1), pp.3~12 (2012), 대한공간정보학회
- Zhang A, "Automated pixel‐level pavement crack detection on 3d asphalt surfaces using a deep learning network", Computer-Aided Civil and Infrastructure Engineering, 32(10), pp.805~819 (2017)