영상 인식 가상센서 기반 계층적 인공지능 수공구조물 균열 감지 연구
A Vision-Based Virtual Sensor Approach for Multi-Stage AI Crack Recognition in Water Infrastructure
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 극단적인 강우와 홍수의 발생 빈도가 증가함에 따라, 수자원 시설은 보다 강하고 빈번한 환경 스트레스에 노출되고 있다. 이처럼 반복적인 환경 스트레스는 구조물의 균열 형성과 확산을 가속화하며, 내구성 저하와 안전성 문제로 이어진다. 이에 본 연구에서는 건물 균열 이미지 데이터를 기반으로, 다단계 인공지능 영상 인식 가상센서를 적용한 수자원 시설 균열 자동 감지 기법을 제안하고자 한다. 첫째, YOLO11 기반 벽체 영역분할을 통해 관심 영역을 설정하고, 둘째, 동일 계열의 균열 탐지 모델로 균열 후보를 검출한다. 셋째, ResNet18 기반 이진 분류로 실제 균열 여부를 판별하며. 마지막으로 YOLO11 기반 세분화(Segmentation)모델을 적용하여 균열의 형상을 정밀하게 인식한다. 본 연구의 결과는 계층적 인공지능 분석 체계를 통해 수자원 시설 구조물의 균열을 효율적으로 감지하고 손상 위험을 조기에 파악할 수 있는 과학적 근거를 마련하는 데 기여할 것으로 기대된다.
Abstract
With the increasing frequency of extreme rainfall and flooding events, water infrastructure has been increasingly exposed to stronger and more frequent environments stresses. Such repetitive external loads accelerate the formation and propagation of cracks in structures, leading to reduced durability and potential safety issues. In this study, a multi-stage artificial intelligence vision-based virtual sensor approach is proposed to automatically identify cracks in water infrastructure using building crack image data. First, the region of interest (ROI) is defined through wall segmentation based on YOLO11, followed by crack candidate detection using the same YOLO11 framework. Next, a ResNet18-based binary classification model determines the actual presence of cracks, and finally, a YOLOv11-based segmentation model is applied to precisely identify the crack geometry. The Proposed multi-stage AI analysis framework enables efficient crack identify in water infrastructure and provides a scientific foundation for the early identification of potential structural damage.